The RHIZOME architecture : a hybrid neurobehavioral control architecture for autonomous vision-based indoor robot navigation
Rojas Castro, Dalia Marcela · 2017
Les travaux decrits dans cette these apportent une contribution au probleme de la navigation autonome de robots mobiles dans un contexte de vision indoor. Il s’agit de chercher a concilier les avantages des differents paradigmes d’architecture de controle et des strategies de navigation. Ainsi, nous proposons l’architecture RHIZOME (Robotic Hybrid Indoor-Zone Operational ModulE) : une architecture unique de controle robotique mettant en synergie ces differentes approches en s’appuyant sur un systeme neuronal. Les interactions du robot avec son environnement ainsi que les multiples connexions neuronales permettent a l’ensemble du systeme de s’adapter aux conditions de navigation. L’architecture RHIZOME proposee combine les avantages des approches comportementales (e.g. rapidite de reaction face a des problemes imprevus dans un contexte d’environnement dynamique), et ceux des approches deliberatives qui tirent profit d’une connaissance a priori de l’environnement. Cependant, cette connaissance est uniquement exploitee pour corroborer les informations percues visuellement avec celles embarquees. Elle est representee par une sequence de symboles artificiels de navigation guidant le robot vers sa destination finale. Cette sequence est presentee au robot soit sous la forme d’une liste de parametres, soit sous la forme d’un plan. Dans ce dernier cas, le robot doit extraire lui-meme la sequence de symboles a suivre grâce a une chaine de traitements d’images. Ainsi, afin de prendre la bonne decision lors de sa navigation, le robot traite l’ensemble de l’information percue, la compare en temps reel avec l’information a priori apportee ou extraite, et reagit en consequence. Lorsque certains symboles de navigation ne sont plus presents dans l’environnement de navigation, l’architecture RHIZOME construit de nouveaux lieux de reference a partir des panoramas extraits de ces lieux. Ainsi, le robot, lors de phases exploratoires, peut s’appuyer sur ces nouvelles informations pour atteindre sa destination finale, et surmonter des situations imprevues. Nous avons mis en place notre architecture sur le robot humanoide NAO. Les resultats experimentaux obtenus lors d’une navigation indoor, dans des scenarios a la fois deterministes et stochastiques, montrent la faisabilite et la robustesse de cette approche unifiee.