PostDoc en planification robuste pour les systèmes robotiques (H/F)

Un moyen efficace de traiter la complexité des robots opérant dans des environnements réels (incertains) est le paradigme "feedforward/feedback" ou "planification/contrôle" : dans une première étape, une trajectoire nominale appropriée (feedforward) pour les états/contrôles du robot est planifiée en exploitant les informations disponibles (par exemple, un modèle du robot et de l'environnement). Cette étape est généralement exécutée hors ligne et peut tenir compte de la présence de contraintes (par exemple, évitement des collisions, actionnement limité) et de l'optimalité par rapport à des paramètres d'intérêt (par exemple, temps, énergie). Une exécution en boucle ouverte de cette trajectoire planifiée échouerait cependant dans la plupart des cas pratiques en raison des incertitudes inévitables affectant les informations utilisées pour la planification. C'est pourquoi, dans la pratique, la trajectoire planifiée est exécutée de manière robuste en utilisant un contrôleur de mouvement qui "ferme la boucle" (rétroaction) entre le mouvement planifié et le mouvement réel, offrant une robustesse contre tous les effets qui n'ont pas pu être pris en compte lors de la planification. Bien qu'un effort ait été fait pour proposer des "planificateurs robustes" ou des "contrôleurs plus globaux" (par exemple, la commande prédictive de modèle (MPC)), une approche véritablement unifiée qui exploite pleinement les techniques des communautés de planification et de contrôle/estimation du mouvement fait toujours défaut et l'état de l'art existant présente plusieurs limites importantes, à savoir (1) un manque de généralité, (2) un manque d'efficacité de calcul et (3) une faible robustesse. Toutes ces lacunes sont un facteur limitant majeur de l'autonomie et des capacités de prise de décision des robots opérant dans tous ces scénarios complexes (conditions du monde réel, effets non négligeables des incertitudes, dynamique rapide) qui sont plutôt les conditions typiques dans lesquelles les futurs robots sont censés opérer.

Dans ce contexte, l'objectif de ce poste sera de contribuer au développement d'un "cadre général et unifié de planification de mouvement intrinsèquement robuste et conscient du contrôle" pour traiter les questions susmentionnées et démontrer l'applicabilité de ce nouveau cadre à des robots réels dans des tâches difficiles du monde réel.

Activités

- concevoir des formulations nouvelles pour un problème de contrôle optimal (éventuellement en ligne) visant à minimiser la métrique de sensibilité sous des contraintes sur les états/entrées

- exploiter les connaissances préalables sur l'incertitude paramétrique (par exemple, une range pour les paramètres) pour prédire les tubes des états/entrées perturbés, et utiliser ces tubes dans le problème d'optimisation

- utilisation de bibliothèques de calcul et d'optimisation robotiques de pointe, tels que Pinocchio, Acado, Crocoddyl, pour une résolution efficace du problème de contrôle optimal

- couplage avec des notions plus classiques (par exemple, matrice de covariance d'état) pour les incertitudes qui ne peuvent pas être modélisées avec précision sous forme paramétrique (par exemple, incertitudes complexes de détection/actionnement)

- couplage avec des métriques d'observabilité pour traiter le problème de l'estimation optimale de l'état en même temps que celui de la planification intrinsèquement robuste du mouvement

- l'optimisation des paramètres du contrôleur (ou même de la structure de contrôle) pour augmenter encore la robustesse en boucle fermée des plans de mouvement

- la mise en œuvre sur des études de cas pertinentes, par exemple des drones en interaction avec l'environnement, des manipulateurs impliqués dans des actions de manipulation complexes (prises non préhensives, lancer, etc.)