Direction de recherche : Amal EL FALLAH SEGHROUCHNI

Co-encadrement : BELBACHIR Assia

Patrouille multi-drones et observation de cibles mobiles

Cette thèse s'intéresse à l'association de la problématique de l'observation avec celle de la patrouille dans un cadre multi-agents. La problématique de l'observation a pour objectif le suivi de cibles en maximisant au cours du temps le nombre de cibles mobiles observées par au moins un agent, tandis que la problématique de la patrouille a pour finalité de visiter le plus fréquemment possible un ensemble de lieux dans l'environnement, ou autrement dit, de couvrir régulièrement l'environnement.
Nous proposons que les agents soient face à un dilemme d’exploration, via la recherche active de nouvelles cibles grâce à la patrouille de l'environnement, et d’exploitation, à travers la maximisation de l’observation des cibles. Nous nommons ce nouvel enjeu le Problème de l'Observation appuyée par la Patrouille (POP). En ne s'intéressant pas qu'au suivi de cibles, les agents réduisent également les risques de manipulation par des cibles intelligentes qui pourraient chercher à influencer leurs déplacements.
Nous proposons un ensemble de méthodes de résolution du POP reposant soit sur l'utilisation de champs de potentiel (I-CMOMMT), soit sur des approches d'apprentissage, que ce soit par renforcement (FFRL, F2MARL) ou supervisé (MALOS). Ces méthodes sont comparées avec d'autres stratégies issues de la littérature. Les expériences sont réalisées dans un premier temps dans un environnement de simulation Gazebo/ROS2. Les agents y sont représentés par des drones et les cibles par des robots terrestres mobiles. Dans un second temps, les méthodes sont implémentées puis évaluées sur de vrais drones en volière.
La thèse introduit deux autres contributions, sous forme d'outils, en complément des approches de résolution du POP. Le premier outil permet aux agents d'identifier efficacement les lieux ayant un potentiel intérêt à être visité, tandis que le second a pour objectif d'optimiser des paramètres d'une mission, tels que le nombre d'agents, tout en respectant une ou plusieurs performances prédéfinies par l'utilisateur.
Dans un souci de reproductibilité, l'ensemble des codes, que ce soit pour l'environnement de simulation que les méthodes sont open source.

Publications 2021-2023

• 2023
  • J. Chahal : “Patrouille multi-drones et observation de cibles mobiles”, soutenance de thèse, soutenance 30/11/2023, direction de recherche El fallah seghrouchni, Amal, co-encadrement : Belbachir, Assia (2023)
  • J. Alvarez, A. Belbachir, F. Belbachir, J. Chahal, A. Goudjil, J. Gustave, A. Öztürk Suri : “Forest Fire Localization: From Reinforcement Learning Exploration to a Dynamic Drone Control”, Journal of Intelligent and Robotic Systems, vol. 109 (4), pp. 83, (Springer Verlag) (2023)
• 2021
  • J. Chahal, A. El Fallah Seghrouchni, A. Belbachir : “A decision-making architecture for observation and patrolling problems using machine learning”, 2021 10^th International Congress on Advanced Applied Informatics (IIAI-AAI), Niigata, Japan, pp. 426-431, (IEEE) (2021)
  • J. Chahal, A. Belbachir, A. El Fallah Seghrouchni : “I-CMOMMT: A multiagent approach for patrolling and observation of mobile targets with a continuous environment representation”, The 33^rd International Conference on Software Engineering and Knowledge Engineering, Pittsburgh, United States, pp. 21-24 (2021)