Le Mardi 14 Décembre à 14h, Monsieur Johann Laconte soutiendra publiquement sa thèse de doctorat intitulée:
"Lambda-Field: a Novel Framework For Risk Assessment In Occupancy Grids"
Lieu: Amphi 2 du Pôle Comme, Campus des Cézeaux
OU
Lien de connexion: https://zoom.us/j/96340378345?pwd=SXRncXVpcWJkKzMvS2dCbjRvRmsrUT09
Meeting ID: 963 4037 8345
Passcode: 9CU9Xr
Meeting ID: 963 4037 8345
Passcode: 9CU9Xr
La soutenance se déroulera devant le jury composé de
Christian Laugier ; Rapporteur ; Directeur de recherche - INRIA Grenoble
Ouiddad Labbani-Igbida ; Rapporteur ; Professeure des Universités - Université de Limoges
Romuald Aufrère ; Directeur de thèse : Maître de Conférences, HDR - Clermont Auvergne
Philippe Bonnifait ; Examinateur ; Professeur des Universités - Université de Technologie de Compiègne
François Pomerleau ; Examinateur ; Professeur adjoint - Université Laval, Canada
Roland Chapuis ; Examinateur ; Professeur des Universités - Université Clermont Auvergne
Christophe Debain ; Invité ; Chargé de recherche, HDR - INRAE Clermont-Ferrand
Christian Laugier ; Rapporteur ; Directeur de recherche - INRIA Grenoble
Ouiddad Labbani-Igbida ; Rapporteur ; Professeure des Universités - Université de Limoges
Romuald Aufrère ; Directeur de thèse : Maître de Conférences, HDR - Clermont Auvergne
Philippe Bonnifait ; Examinateur ; Professeur des Universités - Université de Technologie de Compiègne
François Pomerleau ; Examinateur ; Professeur adjoint - Université Laval, Canada
Roland Chapuis ; Examinateur ; Professeur des Universités - Université Clermont Auvergne
Christophe Debain ; Invité ; Chargé de recherche, HDR - INRAE Clermont-Ferrand
RÉSUMÉ
Dans le contexte des robots autonomes, l'un des sujets les plus controversés est la notion de risque.En effet, aucun robot n'échappe à une telle question, à savoir si ce robot ne causera aucun dommage à lui-même ou aux êtres vivants dans l'environnement qui l'entoure.
Les bras robotiques ont un espace de travail fini et relativement petit, où le risque est abordé de telle sorte que le robot s'arrête complètement dès qu'un humain pénètre dans son espace de travail.
En robotique mobile, cette notion est plus complexe et reste un problème ouvert.
Souvent, la représentation préférée de l'environnement est la représentation sémantique, où chaque obstacle est stocké comme une entité unique.
Cependant, dans des scénarios complexes ou des environnements non structurés, la détection de tels obstacles est une tâche fastidieuse et en manquer un peut conduire à des événements désastreux.
Dans ces cas, une carte métrique est utilisée, où chaque position stocke l'information d'occupation.
Le type le plus courant de carte métrique est la carte d'occupation bayésienne.
Cependant, ce type de carte n'est pas bien adapté pour calculer l'évaluation du risque pour les chemins continus en raison de sa nature discrète.
Par conséquent, nous introduisons dans cette thèse un nouveau type de carte appelé Lambda-Field, spécialement conçu pour l'évaluation du risque.
Les Lambda-Fields sont une contrepartie de la grille d'occupation bayésienne classique.
Au lieu de stocker la probabilité d'occupation à chaque position, le Lambda-Field stocke l'intensité de la probabilité qu'une collision se produise à cette position :
plus l'intensité est élevée, plus la probabilité de collision est élevée.
Grâce à cette nouvelle formulation, les Lambda-Fields sont capables d'évaluer un risque générique sur un chemin.
Contrairement à la grille d'occupation bayésienne, l'utilisation de l'intensité au lieu de la probabilité directe de collision permet à la méthode d'évaluation de risque de produire des métriques basées sur la physique qui conservent leurs unités physiques.
Tout au long de cette thèse, nous présentons comment construire et utiliser le Lambda-Field dans des environnements statiques et dynamiques.
Nous montrons que le Lambda-Field possède également des propriétés cartographiques intéressantes qui induisent des cartes d'environnements non structurés plus précises.
En utilisant cette définition du risque et le Lambda-Field, nous montrons que notre méthode est capable de faire de la planification de chemin classique mais aussi de traverser des environnements non structurés où une grille d'occupation bayésienne ne trouverait pas de chemin.