Academic literature on the topic 'Système robotique modulaire'

Les travaux du laboratoire se concentrent autour du contrôle neuromimétique d'une plate-forme robot-vision. Dans ce cadre, ce travail de thèse concerne l'application des réseaux de neurones artificiels à la commande d'un bras robotique par asservissement visuel. Cette étude porte plus particulièrement sur l'apprentissage modulaire afin de réaliser des contrôleurs neuromimétiques.

Asservissement visuel par apprentissage
Les mouvements d'un bras robotique sont contrôlés par asservissement visuel. Les informations sont fournies par deux caméras montées sur une tête robotique. La position de chaque objet est alors définie par ses coordonnées dans les images -- gauches et droites -- et par les positions angulaires des caméras.
L'approche classique de l'asservissement visuel se base sur une modélisation mathématique du système robot-vision. Un contrôle précis exige une bonne connaissance des différents paramètres des modèles et une prise en compte des erreurs de calibration des capteurs et du robot. Dans cette thèse, nous évaluons une approche alternative à l'approche modèle et proposons une approche non paramétrique qui "apprend" la transformation reliant l'espace des images à l'espace des commandes angulaires à l'aide de réseaux de neurones artificiels.

Les réseaux de neurones
Les réseaux de neurones se sont révélés être de très bons estimateurs. La complexité de notre tâche, notamment sa dimensionalité et ses caractéristiques non linéaires, rend leur implémentation non triviale. En effet, il est difficile de superviser l'apprentissage des réseaux de grandes tailles. De plus, les temps d'apprentissage et de réponse peuvent devenir prohibitifs.
Le choix du réseau de neurones a été guidé par la nécessité d'un apprentissage en ligne, en temps réel, stable, et rapide. Nous avons retenu les cartes auto-organisatrices de Kohonen (SOM, pour Self Organizing Map) qui répondent à ces contraintes. Les notions de compétition entre neurones et de voisinage qu'elles impliquent permettent un apprentissage rapide et efficace. Des variantes ont été développées, comme la carte de Kohonen étendue. Associées à des ADALINEs (ADAptative LINear Elements), ces cartes fournissent des sorties linéaires. Elles sont donc capables de discrétiser n'importe quel espace (notamment le volume de travail du robot) et de le linéariser sans connaissance a priori.

La modularité
Face à ce problème de dimensionnalité, nous proposons de décomposer la tâche en modules. Chacun de ces modules est alors constitué de réseaux de neurones de faibles dimensions. La modularité peut être vue de deux manières différentes.
La première approche met plusieurs modules en parallèle. Chacun de ceux-ci reçoit les mêmes entrées et calcule une sortie. Un module supplémentaire, un superviseur, est ajouté à l'architecture. Il reçoit les mêmes entrées et a pour rôle de sélectionner le module, ou l'ensemble de modules pondérés de manière convenable, afin d'obtenir la meilleure sortie possible.
La seconde approche, que nous avons adoptée, décompose la tâche complexe en une série de sous-problèmes. Comme l'apprentissage de chaque module nécessite un jeu d'apprentissage, la difficulté est de superviser les modules internes. En effet, les entrées et les sorties désirées de ces modules ne sont pas accessibles. Il est de ce fait nécessaire d'utiliser des structures d'aide à l'apprentissage telles que la bidirectionnalité. Des modules supplémentaires, spécialisés dans l'estimation de ces grandeurs intermédiaires, sont alors insérés dans l'architecture modulaire.

Les résultats
L'apprentissage modulaire proposé peut alors être considéré comme un contrôleur neuromimétique. L'asservissement visuel est validé en simulation avec un robot trois axes et quatre axes. L'objectif est la poursuite de cibles mobiles dans un espace tridimensionnel, sans utiliser le modèle du système défini au préalable et sans connaissance a priori, ni sur les mouvements de la cible, ni sur les mouvements des caméras.
L'approche modulaire a été validée en simulation. Nous avons montré dans ce travail que l'apprentissage modulaire est possible et efficace. Face à des tâches complexes, où l'apprentissage par un réseau unique est difficile, voire même impossible, l'apprentissage modulaire apporte une solution.

Ce travail de thèse explore les capacités des réseaux de neurones à estimer les fonctions robotiques pour réaliser des contrôleurs performants. Nous proposons une approche de l'asservissement visuel dite adaptative qui repose sur l'utilisation du réseau de neurones CMAC ("Cerebellar Model Articulation Controller"). En dépit des propriétés attractives, ce réseau présente deux problèmes : une sortie discrète, ainsi qu'une taille liée directement à la précision souhaitée. De ce fait, nous avons formalisé 2 architectures neuronales modulaires : le réseau HCMAC ("Hierarchical CMAC") et le réseau AL_CMAC ("Adaptive Linear CMAC"). Leur principe repose sur une combinaison de plusieurs réseaux de neurones de plus petite taille. Les contrôleurs neuronaux modulaires sont évalués et validés dans des applications d'asservissement visuel d'un robot trois axes (positionnement et la poursuite de cibles. Leurs performances sont comparées à celles du réseau CMAC et du réseau SSOM ("Supervised Self-Organizing Maps")
The work of this thesis investigates artificial neural networks capabilities to estimate robotic functions, and their performances as controllers. We propose an adaptive visual servoing scheme based on the CMAC ("Cerebellar Model Articulation Controller") network. The CMAC network is thus well suited for robot control but in practice there are two drawbacks: its output is "discrete" and its precision depends on its size. Thus, we have developed two modular neural : the HCMAC ("Hierarchical CMAC") and the AL_CMAC ("Adaptive Linear CMAC"). These two networks are a combination of networks of small size. The efficiency of the HCMAC and AL_CMAC neuro-controller is validated through visual servoing experiments with a three degrees of freedom robot arm and with a two camera vision system. Visual servoing experiments consist in positioning tasks and in tracking mobile objects. The performances are compared to other neuro-controllers like CMAC and SSOM ("Supervised Self-Organizing Maps") networks

Un système robotique distribué et reconfigurable (MSRR) est composé de plusieurs modules ayant certaines fonctions de mouvement, de perception et d'action. Ils peuvent s'adapter à l'environnement et aux objectifs en se connectant et en se déconnectant pour obtenir la configuration et la forme désirées. Les MSRR contiennent souvent deux systèmes : l'un constitué d'actionneurs pour le mouvement, l'autre pour la connexion. A l'heure actuelle, de nombreuses institutions travaillent sur les MSRR ; la conception, la miniaturisation, l'économie d'énergie, les algorithmes de contrôle ont fait l'objet de recherches dans ce domaine. Cependant, il existe peu d'études conjointes sur le matériel et les algorithmes correspondants. Cette thèse décrit la conception, la fabrication, les résultats expérimentaux, l'algorithmique distribuée et un simulateur d'une plate-forme MSRR. En nous appuyant sur le calcul et la simulation numérique, nous présentons un aimant électro-permanent simplifié (SEP) qui ne consomme pas d'énergie lorsque le module est connecté à un autre module. Un nouveau concept de moteur linéaire basé sur les SEP est également proposé. Ensuite, nous présentons DILI, un MSRR cubique, de longueur 1,5cm. Le module DILI peut coulisser sur une surface plane, la vitesse maximale pouvant atteindre 20mm/s. Avec le nouvel actionneur, DILI peut réaliser les fonctions de mouvement et de connexion. Un module DILI peut se connecter avec quatre autres modules. Enfin, un algorithme distribué est proposé et un simulateur est conçu pour permettre de simuler le système distribué, de tester et valider les algorithmes distribués
A distributed modular self-reconfiguring robotic (MSRR) system is composed of many repeated basic modules with certain functions of motion, perception, and actuation. They can adapt to environment and goals by connecting and disconnecting to achieve the desired configuration and shape. MSRRs often contain two hardware systems: one is for actuation (motion), another one is for connection. At present time many institutions work on MSRRs; structural design, miniaturization, energy saving, control algorithms have been the focus of research in this area. However, only a few of them work on both the hardware and the corresponding algorithms. This thesis describes the design, fabrication, experimental results, distributed algorithm, and simulator of a MSRR platform. Via theoretical calculation and numerical simulation, we present the simplified electro-permanent (SEP) magnet which can change the magnetic field direction and does not require energy consumption while connected. A new concept of linear motor based on SEP is proposed. Then we construct DILI, a cubical MSRR, the length of each module is 1.5cm. DILI module can slide on a flat surface; the maximum speed can reach 20mm/s. With the new actuator, DILI can achieve the functions of motion and connection with only one system inside. Finally, a distributed algorithm is proposed in order to build a smart conveyor, and a simulator is designed that permits one to perform distributed simulations, test and validate distributed algorithms

Les systèmes robotiques modulaires (MRS) font aujourd’hui l’objet de recherches très actives. Ils ont la capacité de changer la perspective des systèmes robotiques, passant de machines conçues pour effectuer certaines tâches à des outils polyvalents capables d'accomplir presque toutes les tâches. Ils sont utilisés dans un large éventail d'applications, notamment la reconnaissance, les missions de sauvetage, l'exploration spatiale, les tâches militaires, etc. Constamment, MRS est constitué de "modules" allant de quelques à plusieurs centaines, voire milliers. Chaque module implique des actionneurs, des capteurs, des capacités de calcul et de communication. Habituellement, ces systèmes sont homogènes où tous les modules sont identiques ; cependant, il pourrait y avoir des systèmes hétérogènes contenant différents modules pour maximiser la polyvalence. L’un des avantages de ces systèmes est leur capacité à fonctionner dans des environnements difficiles dans lesquels les schémas de travail contemporains avec intervention humaine sont risqués, inefficaces et parfois irréalisables. Dans cette thèse, nous nous intéressons à la robotique modulaire auto-reconfigurable. Dans de tels systèmes, il utilise un ensemble de détecteurs afin de détecter en permanence son environnement, de localiser sa propre position, puis de se transformer en une forme spécifique pour effectuer les tâches requises. Par conséquent, MRS est confronté à trois défis majeurs. Premièrement, il offre une grande quantité de données collectées qui surchargent la mémoire de stockage du robot. Deuxièmement, cela génère des données redondantes qui compliquent la prise de décision concernant la prochaine morphologie du contrôleur. Troisièmement, le processus d'auto-reconfiguration nécessite une communication massive entre les modules pour atteindre la morphologie cible et prend un temps de traitement important pour auto-reconfigurer le robot. Par conséquent, les stratégies des chercheurs visent souvent à minimiser la quantité de données collectées par les modules sans perte considérable de fidélité. Le but de cette réduction est d'abord d'économiser de l'espace de stockage dans le MRS, puis de faciliter l'analyse des données et la prise de décision sur la morphologie à utiliser ensuite afin de s'adapter aux nouvelles circonstances et d'effectuer de nouvelles tâches. Dans cette thèse, nous proposons un mécanisme efficace de traitement de données et de prise de décision auto-reconfigurable dédié aux systèmes robotiques modulaires. Plus spécifiquement, nous nous concentrons sur la réduction du stockage de données, la prise de décision d'auto-reconfiguration et la gestion efficace des communications entre les modules des MRS dans le but principal d'assurer un processus d'auto-reconfiguration rapide
Modular robotic systems (MRSs) have become a highly active research today. It has the ability to change the perspective of robotic systems from machines designed to do certain tasks to multipurpose tools capable of accomplishing almost any task. They are used in a wide range of applications, including reconnaissance, rescue missions, space exploration, military task, etc. Constantly, MRS is built of “modules” from a few to several hundreds or even thousands. Each module involves actuators, sensors, computational, and communicational capabilities. Usually, these systems are homogeneous where all the modules are identical; however, there could be heterogeneous systems that contain different modules to maximize versatility. One of the advantages of these systems is their ability to operate in harsh environments in which contemporary human-in-the-loop working schemes are risky, inefficient and sometimes infeasible. In this thesis, we are interested in self-reconfigurable modular robotics. In such systems, it uses a set of detectors in order to continuously sense its surroundings, locate its own position, and then transform to a specific shape to perform the required tasks. Consequently, MRS faces three major challenges. First, it offers a great amount of collected data that overloads the memory storage of the robot. Second it generates redundant data which complicates the decision making about the next morphology in the controller. Third, the self reconfiguration process necessitates massive communication between the modules to reach the target morphology and takes a significant processing time to self-reconfigure the robotic. Therefore, researchers’ strategies are often targeted to minimize the amount of data collected by the modules without considerable loss in fidelity. The goal of this reduction is first to save the storage space in the MRS, and then to facilitate analyzing data and making decision about what morphology to use next in order to adapt to new circumstances and perform new tasks. In this thesis, we propose an efficient mechanism for data processing and self-reconfigurable decision-making dedicated to modular robotic systems. More specifically, we focus on data storage reduction, self-reconfiguration decision-making, and efficient communication management between modules in MRSs with the main goal of ensuring fast self-reconfiguration process

Cette thèse propose des outils pour analyser et aider la conception des systèmes robotiques modulaires. Ces derniers consistent en des ensembles de modules mécatroniques attachés entre eux par l’intermédiaire de connecteurs équipant les modules. Il est possible de modifier la topologie de ces systèmes pour les adapter aux besoins d’une tâche en changeant la manière dont l’ensemble des modules sont interconnectés, ou bien encore en ajoutant ou supprimant des modules. Ces systèmes peuvent être “auto-reconfigurables” s’ils ont la capacité de contrôler l’état des connecteurs et d’“auto-manipuler” leurs modules. Dans un premier temps nous introduisons les concepts de base liés à ces systèmes ainsi que les problématiques spécifiques relatives à leur conception. Nous réalisons ensuite un état de l’art et comparons certaines propriétés des systèmes existants. Par la suite, nous définissons les systèmes modulaires dits “réticulaires” qui ont la particularité que les modules peuvent occuper des configurations discrètes. Nous proposons une définition de ces systèmes et un cadre de conception reposant sur les groupes de déplacements discrets et de concepts issus de la cristallographie. Corrélativement, nous donnons une liste de tous les groupes de déplacement discrets et étudions leur hiérarchie. De manière complémentaire, nous proposons des techniques permettant d’analyser les systèmes existants et de déterminer les groupes discrets qui leur correspondent. En nous appuyant sur ces résultats nous proposons ensuite certaines améliorations de systèmes existants et analysons un ensemble de systèmes inédits ayant été imaginés durant ces travaux de thèse.

Les algorithmes neuro-mimétiques (ou réseaux de neurones artificiels) ont d'intéressantes applications, en particulier dans le domaine de la robotique. Des extensions à l'algorithme des Cartes Auto-Organisatrices de Kohonen permettent un apprentissage supervisé rapide. Il devient cependant difficile de réaliser l'entraînement lorsqu'une relation complexe est définie par un trop grand nombre de variables. Le travail de thèse explore la possibilité de créer des architectures modulaires en composant les réponses de plusieurs réseaux neuronaux. Il montre que l'apprentissage peut être réalisé en introduisant une architecture bidirectionnelle. Chaque module apprend à la fois la transformation directe et la transformation inverse entre ses entrées et ses sorties. Les deux flux d'information ainsi définis permettent de dériver des règles d'adaptation locales pour chacun des modules. Ce principe général est détaillé avec l'algorithme de Kohonen. Différents schémas de compositions modulaires sont proposés et analysés. L'objectif est de conserver la souplesse d'utilisation d'un réseau neuronal monolithique. L'entraînement est défini à partir des mêmes exemples, que son architecture interne comporte un ou plusieurs réseaux neuronaux. Cette technique est illustrée avec plusieurs scénarios d'asservissement visuel des mouvements d'un bras manipulateur. Les caméras, montées sur une tête robotique, suivent les déplacements du bras. Les informations résultant du traitement de l'image et celles de la vision active sont intégrées par un contrôleur neuronal pour déterminer les consignes robotiques. L'apprentissage de ce neuro-contrôleur peut être entièrement réalisé en contexte, en exploitant les corrélations sensori-motrices durant les mouvements des robots. Une plate-forme robotique nous a permis de tester et de comparer diverses architectures modulaires du neuro-contrôleur. Les résultats illustrent les avantages de cette forme de modularité connexionniste.

Les humains ont de tout temps cherché à contrôler leur environnement. Mais avec l'arrivée de l'ère numérique, une technologie émergente promet de devenir l'outil ultime de cette quête : la matière programmable. Bien que toute forme de matière pouvant être programmée pour réagir de façon autonome à un stimulus puisse prétendre à cette dénomination, son substrat le plus prometteur réside dans les systèmes robotiques modulaires. Ces systèmes robotiques sont composés de modules interconnectés, autonomes, et aux ressources limitées, devant se coordonner par leurs communications et leurs mouvements afin d'accomplir des tâches complexes.La matière programmable pourrait être utilisée pour réaliser les systèmes de représentation de demain: des affichages tangibles et interactifs en 3D, qui promettent de révolutionner la façon dont nous interagissons avec le monde virtuel. Des ensembles de robots modulaires composés de plusieurs milliers de modules peuvent s'organiser pour former des objets tangibles capables de se transformer à l'infini sur demande. D'un point de vue algorithmique, cependant, ce processus d'autoreconfiguration représente un défi considérable à cause des contraintes cinématiques, temporelles, de contrôle, et de communication, auxquelles sont soumis les modules.Nous défendons dans cette thèse qu'il existe des moyens d'accélérer la reconfiguration des systèmes de matière programmable, et qu'une nouvelle classe de méthodes de reconfiguration plus rapide et mieux adaptée aux systèmes de représentation tangibles doit voir le jour. Nous soutenons qu'il est possible de parvenir à de telles méthodes en proposant une nouvelle façon de représenter les objets faits de matière programmable, et en utilisant une plateforme d'assistance dédiée à l'autoreconfiguration.Par conséquent, nous proposons un cadre pour réaliser cette approche innovante sur des ensembles de modules quasi-sphériques arrangés en structures cristallines cubiques à faces centrées, et présentons des algorithmes permettant d'implémenter l'autoreconfiguration dans ce contexte. Nous analysons ces algorithmes et les évaluons sur des cas de construction de formes de complexité croissante, afin de montrer que notre méthode permet d'arriver à des durées de reconfiguration jusqu'ici inatteignables
Humans have always been on a quest to master their environment. But with the arrival of our digital age, an emerging technology now stands as the ultimate tool for that purpose: Programmable Matter. While any form of matter that can be programmed to autonomously react to a stimulus would fit that label, its most promising substrate resides in modular robotic systems. Such robotic systems are composed of interconnected, autonomous, and computationally simple modules that must coordinate through their motions and communications to achieve a complex common goal.Such programmable matter technology could be used to realize tangible and interactive 3D display systems that could revolutionize the ways in which we interact with the virtual world. Large-scale modular robotic systems with up to hundreds of thousands of modules can be used to form tangible shapes that can be rearranged at will. From an algorithmic point of view, however, this self-reconfiguration process is a formidable challenge due to the kinematic, communication, control, and time constraints imposed on the modules during this process.We argue in this thesis that there exist ways to accelerate the self-reconfiguration of programmable matter systems, and that a new class of reconfiguration methods with increased speed and specifically tailored to tangible display systems must emerge. We contend that such methods can be achieved by proposing a novel way of representing programmable matter objects, and by using a dedicated reconfiguration platform supporting self-reconfiguration.Therefore, we propose a framework to apply this novel approach on quasi-spherical modules arranged in a face-centered cubic lattice, and present algorithms to implement self-reconfiguration in this context. We analyze these algorithms and evaluate them on classes of shapes with increasing complexity, to show that our method enables previously unattainable reconfiguration times

On traite du cas d'une cellule robotisee comportant plusieurs chaines cinematiques. Le module d'execution gene la synchronisation et la communication entr les differentes taches. Le passage au robot reel montre que l'emulation de la commande elimine les erreurs dues a l'utilisation d'algorithmes generaux

Dans un contexte d’Industrie 4.0, on perçoit de nouveaux usages possibles des manipulateurs mobiles (MMs), des robots généralement obtenus par l’association d’un bras manipulateur et d’une plate-forme mobile. Ce travail de thèse se focalise sur la synthèse et la commande de nouveaux MMs coopératifs en définissant trois défis à relever. Le premier défi concerne l’élargissement des domaines d’utilisation des robots par la possibilité de leur utilisation coopérative. Nous définissons ainsi un système robotique modulaire basé sur l’utilisation d’entités robotiques appelés mono-robots (m-bots). Ceux-ci sont des MMs qui peuvent se réarranger sous forme de poly-robot (p-bot) pour réaliser une tâche en collaboration. Le deuxième défi se focalise sur la définition de l’architecture cinématique élémentaire de ces robots. Ainsi, nous proposons une démarche générique de synthèse structurale qui permet l’obtention de plusieurs architectures de m-bots respectant les cahiers des charges relatifs à la tâche en tant que m-bot, mais aussi en tant que p-bot pour un environnement considéré. Cette démarche est basée sur l’analyse structurale des MMs à l’aide des paramètres structuraux des mécanismes (connectivité, mobilité, redondance et hyperstatisme). Le troisième défi proposé est d’arriver à modéliser et contrôler les architectures de MMs synthétisées pour la tâche. Deux lois de commande (PID et hybride force-position) sont proposées pour la réalisation de la tâche considérée. Leur validation a été réalisée grâce à des simulations avancées
In recent years, the concept of Industry 4.0 has led to new possibilities of use for mobile manipulators (MMs) that are generally made of a manipulator arm mounted on a mobile base. The current Ph.D. is focused on the synthesis and control of new cooperative MMs by defining three challenges. The first challenge concerns the widening of the fields of application of robots. Therefore, we define a modular robotic system based on the use of multiple MMs (mono robots or m-bots) that can be used as a global system (poly-robot or p-bot) for collaborative tasks. The second challenge concerns the definition of the kinematic structure of the MMs. We propose a new generic method of structural synthesis that allows to obtain multiple kinematic architectures for m-bots that respect the constraints imposed by the task and the workspace. This method is based on structural analysis of MMs by the evaluation of the structural parameters (connectivity, mobility, redundancy and overconstraint). The last challenge concerns the modelling and control of the new architectures for the new fields of application. Two control laws (PID control and hybrid force-position control) are proposed in order to realise the considered task. Their validation is done with advanced simulations

We investigate the use of self-assembly in a robotic system as a means of responding

to different environmental contingencies. Self-assembly is the mechanism through which

agents in a multi-robot system autonomously form connections with one another to create

larger composite robotic entities. Initially, we consider a simple response mechanism

that uses stochastic self-assembly without any explicit control over the resulting morphology

Doctorat en Sciences de l'ingénieur
info:eu-repo/semantics/nonPublished