Navigation autonome en environnement dynamique utilisant des modèles probabilistes de perception et de prédiction du risque de collision.

• Main Author: Fulgenzi, Chiara
• Language: ENG
• Published: 2009
• Subjects: [SPI:AUTO] Engineering Sciences/Automatic; navigation; environnement dynamique; incertitude; prediction probabiliste; risque de collision
• Online Access: http://tel.archives-ouvertes.fr/tel-00398055; http://tel.archives-ouvertes.fr/docs/00/39/80/55/PDF/main.pdf; http://tel.archives-ouvertes.fr/docs/00/39/80/55/ANNEX/presentazione.pdf; http://tel.archives-ouvertes.fr/docs/00/39/80/55/ANNEX/IROS1_results.mp4; http://tel.archives-ouvertes.fr/docs/00/39/80/55/ANNEX/gp_results.avi; http://tel.archives-ouvertes.fr/docs/00/39/80/55/ANNEX/simulator_results.mp4; http://tel.archives-ouvertes.fr/docs/00/39/80/55/ANNEX/1_prrt_animation.avi

La navigation autonome en environnement dynamique représente encore un défi important pour la robotique moderne. Dans cette thèse nous abordons le problème de la prise en compte explicite des incertitudes liées à la perception et à la prédiction de l'état d'un environnement dynamique inconnu pour la decision sur les mouvements futures du robot. Nous proposons d'abord un algorithme réactif basé sur l'intégration de l'extension probabiliste de la méthode Velocity Obstacle et d'une grille d'occupation dynamique. Nous presentons ensuite une nouvelle extension probabiliste de l'algorithme RRT et nous l'utilisons pour une approche de navigation ”anytime” : les décisions du robot sont mises a jour avec les observations les plus récentes. Nous considérons d'abord le cas de prédiction à court terme et ensuite le cas de prédiction a moyen terme, basée sur les trajectoires typiques des obstacles, apprises a priori.