Cartographie et estimation globale de la position pour un robot mobile autonome

D. Filliat

LIP6 2002/001: THÈSE de DOCTORAT de l'UNIVERSITÉ PARIS 6 LIP6 / LIP6 research reports
182 pages - Décembre/December 2001 - French document.

Get it : 3243 Ko /Kb

Contact : par mail / e-mail

Thème/Team: Objets et Agents pour Systèmes d'Information et de Simulation

Titre français : Cartographie et estimation globale de la position pour un robot mobile autonome
Titre anglais : Map-learning and global position estimation for autonomous mobile robot navigation

Résumé : La gestion des déplacements dans l'espace pour un robot mobile autonome est un problème qui a été abordé dès les premiers essais d'intégration de l'intelligence artificielle et de la robotique, mais qui reste difficile et auquel peu de solutions générales ont été apportées. Parmi toutes les stratégies de navigation existantes, nous nous intéressons à celles qui utilisent une carte représentant la structure spatiale de l'environnement et qui permettent de planifier les déplacements jusqu'à un but lointain. La construction d'une carte et l'estimation de la position du robot sont deux sous-problèmes de navigation qui ont reçu isolément des solutions efficaces. Toutefois, leur résolution simultanée reste une tâche complexe.
Le problème de l'estimation de la position, pris isolément, peut notamment être résolu de manière très efficace par des modèles probabilistes utilisant des Processus de Décision Markoviens Partiellement Observables. Toutefois, ces modèles ne peuvent en général pas être utilisés pour construire "en-ligne" la carte qu'ils utilisent.
Nous avons élaboré un modèle de navigation qui s'inspire de ces méthodes mais qui, à partir de capteurs relativement imprécis, permet la construction "en-ligne" de la carte. La capacité d'intégration des informations qu'offre cette méthode de localisation permet de compenser la faiblesse des perceptions. Nous utilisons de plus des procédures de perception active qui permettent, en fonction du contexte, d'utiliser les capteurs de manière efficace. Notre modèle permet ainsi, en faisant peu d'hypothèses sur l'environnement, une estimation robuste de la position et une construction simultanée de la carte. Ses capacités ont été démontrées à la fois en simulation et sur un robot réel. En particulier, nous avons montré qu'il permettait au robot de se localiser correctement dès son introduction dans un environnement nouveau, de se relocaliser rapidement lorsqu'il est transporté passivement d'un endroit à un autre et de planifier une trajectoire permettant de rejoindre de manière robuste un but donné.

Abstract : Managing the movements of an autonomous mobile robot in its environment is a problem that has been tackled since the early integration of artificial intelligence and robotics. However, this problem remains difficult and no general solution has been devised. Among existing navigation strategies, we will focus on those that use a map to represent the spatial layout of the environment and that allow to plan movements toward distant goals. Map-building and self-positioning within these maps are two sub-problems that have been solved independently. However, solving these sub-problems simultaneously is still a difficult task.
In particular, position estimation decoupled from map-building can efficiently be realized by probabilistic models based on Partially Observable Markov Decision Processes. These models however cannot generally be used to build the map they use on-line.
We have designed a navigation model inspired from these localization methods that is able to build a map on-line using only relatively imprecise sensors. The capacity to integrate various information sources afforded by this method makes it possible to compensate the low quality of a single perception. Moreover, active perception procedures allow to efficiently use available sensors with regard to the current context. Thus, our model allows a robust position estimation along with simultaneous map-building with few hypotheses on the environment. Its capacities have been demonstrated in simulation and on a real robot. In particular, we have shown that it allows a robot to localize itself correctly as soon at it is introduced in a new environment, to rapidly relocalize itself if it is passively transported from one place to another, and to plan a reliable trajectory to a distant goal.

Mots-clés : navigation, animat, localisation globale, cartographie, planification

Key-words : navigation, animat, global localization, map-learning, path-planning

Publications internes LIP6 2002 / LIP6 research reports 2002

Responsable Éditorial / Editor :Ghislaine.Mary@lip6.fr