Thèse : Planification à initiative partagée pour une flotte de robots autonomes

Résumé

La planification de tâches est essentielle pour des missions complexes telles que la lutte contre les feux de forêt, l'exploration extraterrestre, la découverte sous-marine ou les opérations militaires. Ces missions reposent sur la coordination de flottes robotiques hétérogènes supervisées par un opérateur distant unique. L'enchevêtrement des contraintes opérationnelles, l'hétérogénéité des agents, les imprévus et les communications intermittentes peuvent rapidement dépasser les limites cognitives de l'opérateur, entraînant retards de décision et dégradation des performances de la mission. Dans un premier temps, nous proposons une comparaison des différents domaines d'application des planificateurs automatiques, notamment l'observation aérienne, l'exploration spatiale et sous- marine ainsi que les opérations militaires. Bien que ces missions paraissent très différentes, elles partagent des problématiques communes. Cette comparaison nous a permis d'identifier les défis récurrents et d'orienter nos différentes contributions. Ensuite, notre première contribution porte sur une architecture à initiative partagée. La répartition du contrôle entre le système autonome et l'opérateur varie dynamiquement en fonction de la charge cognitive estimée de ce dernier et de l'état courant de la mission. Le système évalue en continu la criticité de la situation et la disponibilité cognitive de l'opérateur, puis adapte sa stratégie d'interaction en conséquence. Cette architecture permet de maximiser la compréhension de l'opérateur et d'appliquer sa volonté tout en le protégeant de la surcharge, y compris face à des événements extérieurs tels que l'attribution de nouvelles tâches, la coactivité directe avec un agent ou des changements imprévus de l'environnement. Notre seconde contribution est un planificateur pensé pour être intégré à notre architecture. Son objectif est d'être suffisamment expressif pour englober la complexité des missions analysées tout en restant particulièrement efficace. Il est basé sur la programmation par contraintes et permet de modéliser les capacités des agents, les contraintes temporelles et spatiales, les synchronisations entre agents ainsi que les limitations cognitives de l'opérateur. Ce planificateur prend notamment en compte les agents déployables et les contraintes de communication avec le poste de commandement. Des résultats de performances ont permis de valider son intégration dans l'architecture. Enfin, notre troisième contribution est une méthode de replanification conçue pour préserver la stabilité des plans lorsqu'un aléa survient. Une métrique de distance entre plans est définie afin de mesurer l'écart structurel entre un nouveau plan candidat et le plan précédemment communiqué à l'opérateur. Cette métrique guide la recherche du solveur vers des solutions structurellement proches, réduisant ainsi l'effort de réappropriation pour l'opérateur et facilitant la compréhension des modifications apportées. Le système accompagne ces modifications d'explications adaptées au niveau de détail requis par la situation. Les différentes contributions proposées dans cette thèse forment un système et des briques logicielles qui ont pour objectif de rendre plus sûre et plus efficace la coordination d'agents hétérogènes dans des missions critiques où une vision globale est nécessaire pour assurer l'atteinte des objectifs opérationnels. Ces travaux s'inscrivent dans un contexte où les agents autonomes robotisés sont de plus en plus courants et où leur bonne utilisation représente un levier majeur de gain d'efficacité opérationnelle.

Abstract

Task planning is mandatory for complex missions such as wildfire fighting, extraterrestrial exploration, underwater discovery or military operations. These missions rely on the coordination of heterogeneous robotic fleets supervised by a single remote operator. The entanglement of operational constraints, agent heterogeneity, unforeseen events and intermittent communications can quickly exceed the operator's cognitive limits, leading to decision delays and degraded mission performance. First, we propose a comparison of the different application domains of automated planners, including aerial observation, space and underwater exploration as well as military operations. Although these missions appear very different, they share common challenges. This comparison allowed us to identify recurring issues and guide our various contributions. Then, our first contribution focuses on a shared-initiative architecture. The distribution of control between the autonomous system and the operator varies dynamically according to the operator's estimated cognitive load and the current state of the mission. The system continuously assesses the criticality of the situation and the operator's cognitive availability, then adapts its interaction strategy accordingly. This architecture aims to maximize the operator's understanding and apply their intent while protecting them from overload, including in the face of external events such as new task assignments, direct coactivity with an agent or unexpected environmental changes. Our second contribution is a planner designed to be integrated into our architecture. Its objective is to be expressive enough to encompass the complexity of the analyzed missions while remaining particularly efficient. It is based on constraint programming and enables the modeling of agent capabilities, temporal and spatial constraints, inter-agent synchronizations as well as the operator's cognitive limitations. This planner notably accounts for deployable agents and communication constraints with the command post. Performance results have validated its integration into the architecture. Finally, our third contribution is a replanning method designed to preserve plan stability when an unexpected event occurs. A distance metric between plans is defined to measure the structural gap between a new candidate plan and the plan previously communicated to the operator. This metric guides the solver's search toward structurally similar solutions, thereby reducing the operator's reappropriation effort and facilitating the understanding of the changes made. The system accompanies these modifications with explanations adapted to the level of detail required by the situation. The various contributions proposed in this thesis form a system and software components whose objective is to make the coordination of heterogeneous agents safer and more efficient in critical missions where a global overview is necessary to ensure the achievement of operational objectives. This work takes place in a context where autonomous robotic agents are increasingly common and where their proper use represents a major lever for operational efficiency gains.