Approches ensemblistes par intervalles pour le SLAM multi-robot basé vision

La localisation est une tâche essentielle en robotique mobile, que ce soit pour la navigation, l’exploration ou la cartographie. Les systèmes de navigation par satellite (GNSS) sont la solution classique pour la navigation d’extérieur, en environnement dégagé. Ils ne permettent cependant pas de fournir une localisation fiable en intérieur, composante essentielle pour l’introduction de robots mobiles dans l’industrie [Kheddar 2019]. Les méthodes de localisation et cartographie simultanées (SLAM) permettent d’assurer la localisation à partir des perceptions (image, laser…) dans des environnements où les GNSS ne sont pas disponibles, sans besoin d’une cartographie a priori de la zone d’évolution du robot.

Le but de cette thèse est de  traiter de manière ensembliste et garantie le problème du SLAM dans un groupe de robots. L’approche ensembliste consiste, sous hypothèse d’erreurs bornées, à déterminer les positions des robots et des amers sous forme de domaines, dont l’étendue quantifie l’incertitude de localisation. L’aspect garanti concerne ici le fait que les ensembles solutions contiennent les vraies positions des robots et amers si l’hypothèse d’erreurs bornées est respectée. Pour ce faire, nous emploierons des méthodes ensemblistes par intervalles [Jaulin 2001], telles que l’inversion ensembliste par intervalles (SIVIA), la propagation de contraintes sur les intervalles et les « contracteurs » (opérateurs de réduction de domaine), qui permettent de fournir une approximation garantie des ensembles solutions. Ces méthodes ont déjà été utilisées avec succès pour la localisation sous-marine [Rohou 2017], terrestre [Drevelle 2013] et aérienne [Kenmogne 2018]. Cette thèse vise à les étendre au problème du SLAM multi-robot.

Nous traiterons dans cette thèse le problème du SLAM ensembliste multi-robots basé sur la vision. Le contexte est ainsi celui d’une flottille de robots capables d’observer et cartographier des amers dans l’environnement, ainsi que de s’observer mutuellement et de communiquer. Les résultats théoriques obtenus seront éprouvés sur les plateformes robotiques mobiles terrestre (Pioneer) et aérienne (quadrirotors) de l’équipe Rainbow.

Une des difficultés du SLAM concerne l’association de données : dans le cas où les amers ne sont pas identifiables en raison d’une ambiguïté perceptuelle, il faut pouvoir associer chaque perception à un amer (soit préalablement observé, ce qui permet d’améliorer la localisation par fermeture de boucle, soit nouveau, afin d’enrichir la carte). Nous chercherons à développer des méthodes garanties pour la mise en correspondance, en modélisant le graphe des associations incertaines, et résolvant les ambigüités à l’aide de critères géométriques sur la scène.

Les méthodes ensemblistes ne souffrent pas du phénomène « d’inceste des données », ce qui les rend particulièrement adaptées pour les applications d’estimation basées sur la fusion distribuée. Nous tirerons parti de cette propriété afin de définir une méthode de SLAM ensembliste multi-robots. La fusion distribuée des cartes (descripteurs et domaines de localisation des amers) pose également un problème de mise en correspondance, qui sera traité de façon rigoureuse. On cherchera également à quantifier les échanges de données nécessaires à l’estimation.

Cette thèse s’intègre dans le cadre de la chaire IA MULTISHARED « Shared-Control Algorithms for Human/Multi-Robot Cooperation » portée par Paolo Robuffo Giordano, en fournissant une méthode de localisation pour les groupes de robots.