Planification et commande de mouvements robotiques

Apprentissage et commande optimale

Planifier des mouvements en temps réel pour des robots aussi complexes que des robots humanoïdes dans des environnements inconnus reste à ce jour hors de portée. Nos travaux ont pour but de rendre cet objectif atteignable

  1. en précalculant massivement des mouvements optimaux hors lignes qui sont stockés dans des bases de données,
  2. en adaptant en ligne ces mouvements par de la commande prédictive,
  3. en exploitant les données issues de capteurs embarqués pour commander ces mouvements en boucle fermée.

Ces travaux sont essentiellement menés dans le cadre de l'Institut National d'Intelligence Artificielle et Naturelle de Toulouse (ANITI) dans laquelle Nicolas Mansard est titulaire de la Chaire Génération de Mouvements pour les robots complexes. Olivier Stasse est co-chair . Ces activités s'adossent également au projet européen MEMMO

Intégration

La plupart des travaux relatifs à la commande prédictive sont intégrés dans la plate-forme logicielle crocoddyl décrite dans

  - Carlos Mastalli, Rohan Budhiraja, Wolfgang Merkt, Guilhem Saurel, Bilal Hammoud, Maximilien Naveau, Justin Carpentier, Sethu Vijayakumar and Nicolas Mansard , Crocoddyl: An Efficient and Versatile Framework for Multi-Contact Optimal Control.

Planification automatique de mouvements

Le problème de la planification automatique de mouvements consiste à calculer automatiquement une trajectoire sans collision pour un système articulé dans un environnement encombré d'obstacles. Ce problème se décline en diverses instances suivant que le systèmes en mouvement est soumis à des contraintes cinématiques ou dynamiques. Les derniers travaux de l'équipe Gepetto dans ce domaine s'intéressent à la planification de mouvements de manipulation. Dans cette instances, des objets sont déplacés par des robots. Cela implique des contraintes spécifiques sur les mouvements du système : un objet non tenu par un robot doit rester immobile, un objet tenu par un préhenseur est rigidement lié à ce préhenseur.

Intégration

Ces travaux sont intégrés dans la plateforme logicielle Humanoid Path Planner (HPP) décrite dans

  - Florent Lamiraux, Joseph Mirabel. Prehensile Manipulation Planning: Modelling, Algorithms and Implementation.

Exemple

L'animation ci-dessous montre une trajectoire planifiée pour deux robots qui doivent assembler deux sphères magnétiques sur un cylindre.

Commande du mouvement robotique

Les recherche sur la commande du mouvement en robotique s'articulent autour de plusieurs thèmes.

Synthèse automatique de contrôleurs

Ces travaux s'articulent avec les travaux en planification de mouvement de manipulation qui s'appuient sur la plate-forme logicielle HPP. A partir d'une trajectoire de manipulation planifiée et segmentée, le principe consite à synthétiser automatiquement des contrôleur actifs sur les segments sucessifs de la trajectoire. Sur les segments de trajectoire où une partie du robot est proche d'un objet (juste avant une saisie par exemple), le contrôleur hiérarchique contient en premier niveau de priorité une tâche d'asservissement visuel de la pose du préhenseur du robot par rapport à l'objet à saisir. Sur les segments de trajectoire où un objet est proche d'une surface de contact (juste avant une pose par exemple), le contrôleur hiérarchique contient en premier niveau de priorité une tâche d'asservissement visuel de la pose de l'objet par rapport à la surface de contact.

Intégration

Ces travaux sont intégrés dans la plate-forme logicielle Agimus.

  - Alexis Nicolin, Joseph Mirabel, Sébastien Boria, Olivier Stasse and Florent Lamiraux, Agimus: a new framework for mapping manipulation motion plans to sequences of hierarchical task-based controllers, IEEE/SICE International Symposium on System Integration, 2020.

Exemple

Le film ci-dessous illustre ce travail sur une tâche d'ébavurage par un manipulateur mobile.