Literatura científica selecionada sobre o tema "Flottes de drones"

Die Auswirkungen der Corona-Krise auf den internationalen Luftverkehr sind erheblich. Flugzeuge stehen am Boden, Passagiere bleiben aus – es drohen finanzielle Schieflagen und gravierende bilanzielle Probleme. Viele Airlines kommen ohne staatliche Unterstützung nicht aus und müssen ihre Flotten verkleinern. Doch in der Krise liegen auch Möglichkeiten. Nur wer sie erkennt und konsequent nutzt, kann gestärkt aus ihr hervorgehen.

Bis 2020 müssen die Fahrzeughersteller in Europa die durchschnittlichen CO2-Emissionen ihrer Flotten unter 95 g/km senken, sonst drohen Strafzahlungen. Wie lassen sich die Werte entsprechend anpassen?

Cette thèse aborde le problème de la recherche et du suivi d'un nombre inconnu de cibles mobiles réparties dans une région d'intérêt (RdI) inconnue à l'aide d'une flotte coopérative de robots aériens sans pilote (UAVs). Ce problème de recherche, d'acquisition et de suivi coopératif (CSAT) apparaît dans des contextes militaires, e.g., pour trouver et suivre des véhicules ennemis, ou dans des applications civiles, e.g., pour rechercher des personnes perdues à la suite d'une catastrophe. Pour résoudre ce problème, chaque drone embarque un système de vision par ordinateur (CVS) composé d'une caméra et d'algorithmes de traitement d'images qui fournissent des mesures liées à la RdI. Les mesures fournies par le CVS consistent en des images avec des pixels labellisés, des cartes de profondeur et des boîtes contenant des pixels associés aux cibles qui ont été identifiées. Cette thèse considère une approche ensembliste pour aborder le problème CSAT. Par rapport à d'autres approches reposant sur des hypothèses stochastiques sur le bruit de mesure, les approches ensemblistes supposent un bruit de mesure borné avec des bornes connues. Ces approches peuvent alors caractériser des ensembles qui contiennent nécessairement la position des cibles, à condition que les hypothèses sur les modèles de mesure et les bornes du bruit soient respectées. Très peu de travaux antérieurs exploitent directement les mesures CVS dans une approche ensembliste. Cela s'explique principalement par le fait qu'il est difficile d'obtenir des modèles de mesure pour un CVS lorsqu'il est composé d'algorithmes d'apprentissage profond. Pour résoudre ces problèmes, nous introduisons plusieurs hypothèses pour relier les mesures CVS aux cibles et aux obstacles présents dans la RdI en utilisant une approche géométrique. A partir de ces hypothèses, nous proposons un nouvel estimateur ensembliste qui exploite directement les mesures CVS pour caractériser les ensembles qui sont garantis de contenir la position de chaque cible identifiée. Les mesures CVS sont également exploitées pour évaluer les ensembles qui sont garantis ne contenir aucune position de cible. Un processus de prédiction-correction similaire au filtre de Kalman a été implémenté pour tenir compte de l'échange d'informations entre les drones. La correction se fait via les mesures CVS acquises par chaque drone et des estimées transmises par les drones voisins. Plusieurs incertitudes supplémentaires peuvent être prises en compte dans l'approche proposée. Nous nous sommes concentrés sur la manière de prendre en compte l'incertitude de l'état des drones. Comme la RdI est encombrée d'obstacles inconnus, chaque drone établit une carte d'occupation et d'élévation pendant la recherche et le suivi des cibles à l'aide des mesures CVS. Cette carte fournit une description approximative de l'emplacement, de la hauteur, et de la forme des obstacles. La carte peut être exploitée pour éviter les obstacles. Dans cette thèse, elle est utilisée pour prédire la portion du champ de vue de la caméra de chaque drone qui est masquée par un obstacle. Cette information est déterminante dans la conception d'un algorithme par commande prédictive (MPC) pour déterminer la trajectoire de chaque drone, en minimisant l'incertitude de localisation des cibles identifiées et en réduisant la taille de l'ensemble contenant des cibles potentiellement non détectées. Si les cibles sont plus nombreuses que les UAVs, un compromis entre la recherche de nouvelles cibles et le suivi des cibles déjà identifiées afin de réduire l'incertitude de la localisation doit être trouvé. Des simulations réalisées avec Webots illustrent les performances de l'estimateur et de la loi de guidage en évaluant l'efficacité des drones à trouver et identifier les cibles, et maintenir une estimation précise de leur position
This thesis addresses the problem of searching and tracking an unknown number of mobile targets spread within an unknown Region of Interest (RoI) using a fleet of cooperating Unmanned Aerial Vehicles (UAVs). Such Cooperative Search, Acquisition, and Tracking (CSAT) problem appears in military contexts, e.g., when enemy vehicles have to be found and tracked, or in civilian applications, e.g., when searching for lost people after a disaster. To solve the CSAT problem, each UAV embeds a Computer Vision System (CVS) consisting of a camera and image processing algorithms that provide measurements related to the RoI. The CVS measurements consist of images with labeled pixels, depth maps, and boxes in the images containing pixels related to the detected and identified targets. This thesis considers a set-membership approach to address the CSAT problem. Compared to alternative approaches relying on stochastic assumptions on the measurement noise, set-membership approaches assume bounded measurement noise with known bounds. Set-membership approaches can then characterize sets that are guaranteed to contain the location of the targets, provided that the hypotheses on the measurement models and noise bounds are satisfied. Very few previous works directly exploit CVS measurements in a set-membership approach. This is mainly because obtaining measurement models for a CVS involving deep learning algorithms is difficult. To address these issues, we introduce several assumptions to relate the CVS measurements with the targets and obstacles present in the RoI using a geometric approach. With these assumptions, we propose a new set-membership estimator that directly exploits the CVS measurements to characterize sets that are guaranteed to contain the location of each identified target. The CVS measurements are also exploited to evaluate sets that are guaranteed to contain no target location. A prediction-correction scheme similar to the Kalman filter has been considered to account for the exchange of information between UAVs. The correction involves CVS measurements acquired by each UAV and estimates shared by neighboring UAVs. Several additional sources of uncertainty may be considered in the proposed approach. We have focused on the state uncertainty of UAVs. As the RoI is cluttered with unknown obstacles, each UAV builds an occupancy-elevation map during the search and tracking of targets using CVS measurements. The map provides an approximate description of the location, height, and shape of the obstacles. The map may be exploited for obstacle avoidance. In this thesis, it is used to predict the occlusion by obstacles in the field of view of each UAV. This information is instrumental in the design of a Model Predictive Control (MPC) algorithm to determine the trajectory of each UAV, minimizing the localization uncertainty of identified targets and reducing the size of the set containing potentially undetected targets. If the targets outnumber the UAVs, a trade-off has to be found between searching for new targets and tracking those already identified to reduce the localization uncertainty. Simulations performed with Webots illustrate the performance of the target location estimator and the MPC design by evaluating the efficiency of the cooperating UAVs to explore the environment, find and identify the targets, and maintain an accurate estimation of their location

Grâce aux progrès de miniaturisation des systèmes embarqués, les mini-drones qu'on appelle en anglais Small Unmanned Aerial Vehicle (UAVs) sont apparus et permettent de réaliser des applications civiles à moindres coûts. Pour améliorer leurs performances sur des missions complexes (par exemple, pour contourner un obstacle), il est possible de déployer une flotte de drones coopératifs afin de partager les tâches entre les drones. Ce type d'opération exige un niveau élevé de coopération entre les drones et la station de contrôle. La communication entre les drones de la flotte est donc un enjeu important dans la réalisation des opérations d'une flotte de drones. Parmi les différentes architectures de communication qui existent, le réseau ad hoc s'avère être une solution efficace et prometteuse pour l'opération d'une flotte de drones. Un réseau ad hoc de drones ou UAV Ad hoc Network (UAANET) est un système autonome constitué d'une flotte de mini-drones et d'une ou plusieurs station(s) sol. Ce réseau peut être considéré comme une sous-catégorie d'un réseau ad hoc mobile (MANET) avec des caractéristiques spécifiques (vitesse importante des nœuds, modèle de mobilité spécifique, etc.) qui peuvent engendrer des baisses de performance du protocole de routage utilisé. Par ailleurs, la nature partagée du support de transmission et l'absence d'une infrastructure fixe pour vérifier l'authenticité des nœuds et des messages posent un problème de sécurité des communications. Compte tenu du caractère critique des données de charge utile échangées (en effet, un attaquant peut capturer un drone et l'utiliser à des fins malveillantes), il est important que les messages échangés soient authentifiés et qu'ils n'ont pas été modifiés ou retardés par un attaquant. L'authentification des messages est donc un des objectifs à atteindre pour garantir la sécurité du système Unmanned Aerial System (UAS) final. Diverses solutions de sécurité ont été conçues pour les réseaux sans fil, puis ont ensuite été adaptées aux réseaux MANET. Ces solutions peuvent s'étendre à des applications pour les réseaux UAANET, c'est pourquoi nous proposons dans cette thèse une architecture de communication fiable et sécurisée pour les flottes des drones. Dans ce travail, nous avons étudié en premier lieu l'application d'un réseau ad hoc mobile pour les flottes de drones. Nous examinons en particulier le comportement des protocoles de routage ad hoc existants dans un environnement UAANET. Ces solutions sont ainsi évaluées pour permettre d'identifier le protocole adéquat pour l'échange des données. Cela nous amène dans un deuxième temps, à proposer un protocole de routage intitulé Secure UAV Ad hoc routing Protocol (SUAP) qui garantit l'authentification des messages et détecte l'attaque wormhole. Cette attaque peut être définie comme un scénario dans lequel un attaquant enregistre les paquets en un point, et les rejoue à un autre point distant. L'attaque wormhole est particulièrement dangereuse lorsqu'un protocole de routage réactif (qui utilise le nombre de sauts comme métrique d'une route) est utilisé. Pour contrer cette attaque, le protocole SUAP permet d'une part d'assurer des services de livraison de donnés (une vidéo de télésurveillance) entre un drone distant et une station sol. D'autre part, le protocole SUAP possède également des partitions de sécurisation qui se basent sur une signature et une fonction de hachage pour assurer l'authentification et l'intégrité des messages. En ce qui concerne l'attaque wormhole, une technique qui consiste à corréler le nombre de sauts et la distance relative entre deux nœuds voisins est utilisée. Ce mécanisme permet de déduire la présence ou non d'un tunnel wormhole dans le réseau. En outre, cette architecture de communication est conçue avec une méthodologie de prototypage rapide avec l'utilisation d'une méthode orientée modèle pour tenir compte du besoin de validation du système UAS final
Advances in miniaturization of embedded systems have helped to produce small Unmanned Aerial Vehicles (UAVs) with highly effective capacity. In order to improve their capability in civilian complex missions (for instance, to bypass an obstruction), it is now possible to deploy UAV swarms, in which cooperative UAVs share different tasks. This type of operations needs a high level of coordination between UAVs and Ground Control Station (GCS) through a frequent exchange of information. The communication capabilities are therefore an important objective to achieve for effective UAV swarm operations. Several communication architectures can be used to allow communication between UAVs and GCS. Ad hoc network is one of them and is an effective and promising solution for multi-UAV systems. Such a network is called UAANET (UAV Ad hoc Network) and is an autonomous system made of a UAV swarm and one or several GCS (Ground Control Station). This network can also be considered as a sub category of the well-known MANET (Mobile Ad hoc network). However, it has some specific features (such as node velocity, specific mobility model) that can impact performance of routing protocols. Furthermore, the nature of the wireless medium, along with the lack of fixed infrastructure, which is necessary to verify node and message authentication, create security breaches. Specifically, given the critical characteristic of the real-time data traffic, message authentication proves to be an important step to guarantee the security of the final UAS (composed of UAV swarm). Security of routing protocols has been widely investigated in wired networks and MANETs, but as far as we are aware, there is no previous research dealing with the security features of UAANET routing protocols. Those existing solutions can be adapted to meet UAANET requirements. With that in mind, in this thesis, we propose a secure and reliable communication architecture for a UAV swarm. In this work, the creation of UAANET has first been concieved. In order to do this, we studied the impact of existing MANET routing protocols into UAANET to assess their performance and to select the best performer as the core of our proposed secure routing protocol. Accordingly, we evaluated those existing routing protocols based on a realistic mobility model and realistic UAANET environment. Based on this first study, we created a secure routing protocol for UAANET called SUAP (Secure UAV Ad hoc routing Protocol). On the one hand, SUAP ensures routing services by finding routing paths between nodes to exchange real time traffic (remote monitoring video traffic). On the other hand, SUAP ensures message authentication and provides detection to avoid wormhole attack. The SUAP routing protocol is a reactive routing protocol using public key cryptography and hash chains. In order to detect wormhole attack, a geographical leash-based algorithm is used to estimate the correlation between the packet traveled distance and the hop count value. We also contribute to the certification of the secure communication system software through a Model-Driven Development (MDD) approach. This certification is needed to validate the operation of the UAV swarm, especially in cases where it is used to exchange control and command traffic. We used Simulink and Stateflow tools and formal verification tools of Matlab Software to design SUAP routing protocol. The evaluation of the effectiveness of SUAP has been executed both through emulation and real experiment studies. Our results show that SUAP ensures authentication and integrity security services and protects against a wormhole attack. It also provides an acceptable quality of service for real-time data exchanges

Les travaux présentés dans cette thèse effectuée au LaBRI portent sur la mise en place d'une flotte de drones et le portage sur celle-ci d'applications collaboratives distribuées utilisant des communications asynchrones non sûres. Ces applications sont formalisées grâce au modèle de réétiquetage de graphes Asynchronous Dynamicity Aware Graph Relabeling System (ADAGRS) que nous proposons. Au delà des contributions théoriques, ces travaux ont débouché sur la mise en place du démonstrateur CARUS dans lequel cinq drones se partagent la surveillance d'une grille de 15 points d'incidents potentiels (au sol). Lorsqu'un drone détecte un incident, il s'en rapproche pour le traiter. Le reste de la flotte doit alors prendre en charge les points que ce drone ne traite plus.Les réorganisations nécessaires de la flotte se font en totale autonomie vis-à-vis du sol et sous hypothèse de perte éventuelle de drones et de messages.

Les scientifiques de l’atmosphère cherchent constamment à acquérir de nouvelles données pouvant améliorer leurs modèles des phénomènes atmosphériques, et notamment des nuages. Les méthodes actuelles sont insuffisantes pour collecter des mesures adéquates de la dynamique des nuages et des paramètres microphysiques liés à leur formation générant de grandes incertitudes dans la formulation des modèles. Ce manque de données in-situ pousse les météorologues à trouver de nouvelles méthodes de collecte.L’utilisation des drones est maintenant largement répandue et de nombreuses applications voient le jour dans différents contextes. Bien que l’utilisation d’un drone unique soit très populaire, le déploiement de flottes de drones est encore peu courant et se limite principalement à de l’exploration et de la cartographie d’environnements inconnus statiques. Une flotte pourrait trouver son utilité dans d’autres applications plus complexes comme le suivi de phénomènes dynamiques (e.g flaques d’huiles sur la mer, panaches de fumées d’une usine, phénomènes atmosphériques). Les recherches autour de la coordination d’une flotte de drones et de l’exploration d’environnements dynamiques ne sont pas encore abouties et de nombreuses contributions peuvent être apportées aux problématiques courantes dans ce domaine.L’objectif de cette thèse est d’apporter des solutions et des stratégies afin d’explorer un environnement dynamique tel que l’évolution d’un nuage avec une flotte de drones, permettant ainsi d’assurer une meilleure couverture temporelle et spatiale qu’avec un drone unique. Ceci impose le développement d’une architecture de contrôle et de planification des drones qui assure leur coopération pour mener au mieux la mission. Les contraintes liées à ce type d’environnement et de mission limitent le travail collectif de la flotte. Pour des raisons de robustesse et d’efficacité, les mécanismes du système sont réalisés de manière distribuée où les drones embarquent les processus de planification, communiquent directement entre eux et non par l’intermédiaire d’une station unique.Cette thèse a été réalisée en étroite collaboration avec le projet NEPHELAE qui a pour objectif de collecter des données dans des cumulus afin de reconstruire un modèle spatio-temporel 4D de son évolution. Sachant que les motifs de vols classiques utilisés dans les autopilotes ne sont pas efficaces pour explorer des environnements aussi dynamiques, la contribution principale de cette thèse est le développement et l’implémentation dans le système PAPARAZZI de motifs de vols adaptatifs. Ces schémas de vols utilisent les mesures des capteurs en temps réel pour adapter les trajectoires du drone au nuage à cartographier. Cette action est réalisée à bord du drone et sans intervention d’un opérateur. Le comportement du drone change selon le motif employé, permettant le suivi de la bordure du nuage, la construction d’une carte 3D dense ou encore la détermination du cœur du nuage.La validation de ces nouvelles fonctions de navigation a été réalisée à travers différentes simulations combinant des drones simulés dans un environnement nuageux statique puis dynamique. Par la suite, une première expérimentation hybride a été réalisée avant de déployer la flotte lors d’une campagne de mesures à la Barbade début 2020. Cette campagne a permis d’effectuer un grand nombre de vols d’explorations et de suivis de nuages dans des conditions réelles. En plus d’apporter des résultats et des pistes d’améliorations sur les schémas de vols adaptatifs, elle a permis aux scientifiques de l’atmosphère de collecter des données importantes sur les nuages qui n’avaient pas été observées jusqu’à aujourd’hui. Cette expérimentation a notamment permis de suivre une bordure de nuage avec plusieurs drones en simultané et de réaliser ainsi une première en termes de collecte de données dans un nuage
Atmospheric scientists are constantly seeking to acquire new data that can improve their models of atmospheric phenomena, especially clouds. Current methods are insufficient to collect adequate measurements of cloud dynamics and microphysical parameters related to cloud formation, generating large uncertainties in model formulation. This lack of in-situ data leads meteorologists to find new collection methods.The use of UAVs is now widespread and many applications are emerging in different contexts. Although the use of a single UAV is very popular, the deployment of UAV fleets is still uncommon and is mainly limited to exploring and mapping unknown static environments. A fleet could find its usefulness in other more complex applications such as the monitoring of dynamic phenomena (e.g. oil puddles on the sea, plumes of smoke from a factory, atmospheric phenomena). Research on the coordination of a UAV fleet and the exploration of dynamic environments is not yet complete and many contributions can be made to the current problems in this field.The objective of this thesis is to provide solutions and strategies to explore a dynamic environment such as the evolution of a cloud with a fleet of UAVs, thus providing better temporal and spatial coverage than with a single UAV. This calls for the development of a UAV control and planning architecture that ensures the cooperation of UAVs to carry out the mission in the best possible way. The constraints associated with this type of environment and mission limit the collective work of the fleet. For robustness and efficiency reasons, the system's mechanisms are implemented in a distributed manner, where the UAVs embark the planning processes and communicate directly with each other, rather than through a single station.This thesis was carried out in close collaboration with the NEPHELAE project which aims to collect data in cumulus clouds in order to reconstruct a 4D spatio-temporal model of its evolution. Knowing that classical flight patterns used in autopilots are not efficient to explore such dynamic environments, the main contribution of this thesis is the development and implementation in the PAPARAZZI system of adaptive flight patterns. These flight patterns use real-time sensor measurements to adapt the UAV trajectories to the cloud to be mapped. This action is performed onboard the UAV and without the intervention of an operator. The drone's behavior changes according to the pattern used, enabling the tracking of the cloud edge, the construction of a dense 3D map or the determination of the cloud core.The validation of these new navigation functions was carried out through different simulations combining UAVs simulated in a static then dynamic cloud environment. Subsequently, a first hybrid experiment was carried out before deploying the fleet during a measurement campaign in Barbados in early 2020. This campaign enabled a large number of exploratory flights and cloud tracking in real conditions. In addition to providing results and suggestions for improvements in adaptive flight patterns, it allowed atmospheric scientists to collect important data on clouds that had not been observed until today. In particular, this experiment made it possible to follow a cloud edge with several UAVs simultaneously, thus achieving a first in terms of data collection in a cloud

Aujourd’hui, le drone joue un rôle important dans les activités civiles et deviendra de plus en plus important à l’avenir. Récemment, de nouvelles tendances se dirigent vers la gestion d’une flotte de drones afin de réaliser les missions données. Ce problème ouvre de nombreuses idées de recherche, et notre projet est fait pour répondre au défi, développer une plateforme de gestion de flotte de drones. Entre plusieurs approches, le problème de routage de véhicule (VRP) est une étude parfaite pour relever ce défi, afin de répartir les tâches et de trouver le meilleur chemin pour chaque drone, en tenant compte de plusieurs contraintes. Comme les VRP sont classés comme un problème d’optimisation NP-hard, une méthode d’approximation est considérée comme mise en œuvre dans ce projet. L’algorithme génétique (GA), est appliqué dans ce projet, puisqu’il s’agit de l’un des algorithmes les plus utilisés pour résoudre le VRP parmi plusieurs méthodes d’approximation. Nous avons observé que l’AG convient pour être utilisé dans ce projet, mais lorsque le nombre de points à traiter serait considérablement accru, le nombre d’itérations pour obtenir un résultat satisfaisant sera extrêmement augmenté. Ce problème nous a amenés à hybrider GA avec l’algorithme de sauvegarde (SA) afin de générer la population initiale, pour qu’elle ne soit plus générée aléatoirement comme d’habitude. Comme nous l’avons testé, cette méthode proposée peut améliorer les performances de l’algorithme de manière très satisfaisante et réduire le nombre d’itérations de plus de 90%. De plus, un scénario dynamique dans le VRP est pris en compte dans ce travail, c’est-à-dire l’émergence d’un ou plusieurs nouveaux points qui apparaissent quand la mission a déjà été lancée et qui nécessitent une visite d’un seul drone. Pour faire face à ce scénario dynamique, un problème de routage de véhicule ouvert en sens inverse (ROVRP) est considéré. Le ROVRP est utilisé pour définir un ensemble d’itinéraires de véhicules de retour au dépôt, lors de la construction de nouveaux chemins en raison d’un scénario dynamique. Nous décidons de choisir une méthode heuristique pour résoudre le ROVRP, puisqu’il s’agit d’un problème d’optimisation NP-hard, et nous préférons appliquer l’algorithme de sauvegarde (SA) à ce projet, en raison de leur rapidité et de leur simplicité. A notre point de vue, la vitesse est l’un des aspects les plus importants du choix d’un algorithme pour résoudre un scénario dynamique dans un VRP. Notre méthode proposée est divisée en deux phases : regroupement et routage. Et nos résultats expérimentaux montrent que notre méthode proposée peut donner plus de 95% de précision. Afin de simuler et d’examiner les méthodes proposées, une interface utilisateur graphique (GUI) est développée. Il existe un cadre disponible pour développer cet outil, et Netlogo est considéré comme le cadre choisi
Nowadays, drone plays a big role in civilian purposes, and it will getting bigger and more important in the future. Because of it’s flexibility and versatility, the application of drone is more extensive. Incertain fields of implementation, applying a team of drones will improve the effectiveness and efficiency of the application, such as in search and rescue, military purpose, agriculture and surveillance. Recently, there is a challenging issue to manage a team of drones in order to achieve the given mission. This issue opens many research opportunities, and our project is made to answer this challenge, to develop a platform for managing a fleet of drones. Among several approaches, vehicle routing problem (VRP) is one of a considered study to answer this challenge, in order to allocate the tasks and find the best path for each drone, with several constraints to be considered. There are many methods to solve VRP, and could be categorized into two groups i.e. exact and approximation method. But since VRP is classified as an NP-hard optimization problem, an approximation method is considered to be implemented in this project. Genetic Algorithm (GA), an approximation method which designed by an inspiration to the evolutionary ideas of genetic and natural selection, is applied in this project, since it is one of most used algorithm to solve VRP, among several approximation method. We observed that GA is suitable to be implemented in this project, but when the number of to-be-visited-points is hugely augmented, the number of iterations to get a satisfactory result would be extremely increased. This issue led us to hybridize GA with Clarke and Wright’s saving algorithm (SA) in order to generate the initial population, so that it is no longer randomly generated as usually done. Eventually, this proposed hybrid method can improve the performance of the algorithm very satisfactorily, and reduce the number of iteration more than 90%. Furthermore, a dynamic scenario in VRP is taken into account in this work i.e. an emerge of one or several new points that appear once the mission is already launched, and require a visit by a single drone. To deal with this dynamic scenarios, a Reverse Open Vehicle Routing Problem (ROVRP) is considered to be implemented. We decide to choose a heuristic method in solving the ROVRP, as it is classified as an NP-hard optimization problem, and we prefer to apply Clarke and Wright’s Saving Algorithm (SA) in this project, due to their speed and simplicity. In our point of view, speed is one most considerable thing in choosing algorithm to solve dynamic scenario in VRP. Our proposed method is devided into two phases i.e. clustering and routing. And the experimental results show that our proposed method can give more than 95% accuracy. In order to simulate and investigate the proposed methods, a Graphical User Interface (GUI) is developed. There are some available framework to develop this tool, and Netlogo is considered as the chosen framework

Ces dernières années, l’émergence des nouvelles technologies tels que la miniaturisation des composants, les dispositifs de communication sans fils, l’augmentation de la taille de stockage et les capacités de calcul, a permis la conception de systèmes multi-agents coopératifs de plus en plus complexes. L’un des plus grands axes de recherche dans cette thématique concerne la commande en formation de flottes de véhicules autonomes. Un grand nombre d’applications et de missions, civiles et militaires, telles que l’exploration, la surveillance, et la maintenance, ont alors été développées et réalisées dans des milieux variés (terre, air, eau). Durant l’exécution de ces tâches, les véhicules doivent interagir avec leur environnement et entre eux pour se coordonner. Les outils de communication disponibles disposent souvent d’une portée limitée. La préservation de la connexion au sein du groupe devient alors un des objectifs à satisfaire pour que la tâche puisse être accomplie avec succès. Une des possibilités pour garantir cette contrainte est le déplacement en formation permettant de préserver les distances et la structure géométrique du groupe. Il est toutefois nécessaire de disposer d’outils et de méthodes d’analyse et de commande de ces types de systèmes afin d’exploiter au maximum leurs potentiels. Cette thèse s’inscrit dans cette direction de recherche en présentant une synthèse et une analyse des systèmes dynamiques multi-agents et plus particulièrement la commande en formation de véhicules autonomes. Les lois de commande développées dans la littérature pour la commande en formation permettent d’accomplir un grand nombre de missions avec un niveau de performance élevé. Toutefois, si un défaut/défaillant apparaît dans la formation, ces lois de commandes peuvent s’avérer très limitées, engendrant un comportement instable du système. Le développement de commandes tolérantes aux défauts devient alors primordial pour maintenir les performances de commande en présence de défauts. Cette problématique sera traitée dans ce mémoire de thèse et concernera le développement et la conception de commandes en formation tolérantes au défaut dévolu à une flotte de véhicules autonomes suivant différente configuration/structuration
In recent years, the emergence of new technologies such as miniaturization of components, wireless communication devices, increased storage size and computing capabilities have allowed the design of increasingly complex cooperative multi-agent systems. One of the main research axes in this topic concerns the formation control of fleets of autonomous vehicles. Many applications and missions, civilian and military, such as exploration, surveillance, and maintenance, were developed and carried out in various environments. During the execution of these tasks, the vehicles must interact with their environment and among themselves to coordinate. The available communication tools are often limited in scope. The preservation of the connection within the group then becomes one of the objectives to be satisfied in order to carry out the task successfully. One of the possibilities to guarantee this constraint is the training displacement, which makes it possible to preserve the distances and the geometrical structure of the group. However, it is necessary to have tools and methods for analyzing and controlling these types of systems in order to make the most of their potential. This thesis is part of this research direction by presenting a synthesis and analysis of multi-agent dynamical systems and more particularly the formation control of autonomous vehicles. The control laws developed in the literature for formation control allow to carry out a large number of missions with a high level of performance. However, if a fault/failure occurs in the training, these control laws can be very limited, resulting in unstable system behavior. The development of fault tolerant controls becomes paramount to maintaining control performance in the presence of faults. This problem will be dealt with in more detail in this thesis and will concern the development and design of Fault tolerant controls devolved to a fleet of autonomous vehicles according to different configuration/structuring

Les feux de forêt sont des incendies de végétation incontrôlés qui causent des dégâts importants à l’environnement, aux biens et aux personnes. Les actions de lutte contre de tels feux sont risqués et peuvent par conséquent bénéficier de techniques d'automatisation pour réduire l’exposition humaine. La télédétection aérienne est une technique qui permet d’obtenir des informations précises sur l’état d'un feu de forêt, afin que les équipes d’intervention puissent préparer des contre-mesures. Avec des véhicules aériens habités, elle expose les opérateurs à des risques élevés, qui peuvent être évités par l’utilisation de véhicules autonomes. Cette thèse présente un système de surveillance de feux de forêt basé sur des flottes de véhicules aériens sans pilote (UAV) afin de fournir aux pompiers des renseignements précis et à jour sur un feu de forêt. Nous présentons une approche pour planifier les trajectoires d’une flotte de drones à voilure fixe afin d’observer un feu de forêt évoluant au fil du temps. Des modèles réalistes du terrain, du processus de propagation du feu et des drones sont exploités, ainsi qu’un modèle du vent, pour prédire la propagation des feux de forêt et planifier le mouvement des drones. L’approche présentée adapte une méthode générique de recherche à voisinage variable (VNS) à ces modèles et les contraintes associées. L’exécution de la mission d’observation planifiée fournit des cartes des feux de forêt qui sont transmises à l’équipe d’intervention et exploitées par l’algorithme de planification pour déterminer de nouvelles trajectoires d’observation. Les algorithmes et les modèles sont intégrés dans une architecture logicielle permettant l’exécution dans des scénarios avec différents niveaux de réalisme, avec des drones réels et simulés survolant un feu de forêt réel ou synthétique. Les résultats de simulation mixte montrent la capacité de planifier les trajectoires d’observation d’une petite flotte de drones et de mettre à jour les plans lorsque de nouvelles informations sur l’incendie sont incorporées dans le modèle de propagation de feu
Wildfires, also known as forest or wildland fires, are uncontrolled vegetation fires occurring in rural areas that cause tremendous damage to the society, harming environment, property and people. The firefighting endeavor is a dull, dirty and dangerous job and as such, can greatly benefit from automation to reduce human exposure to hazards. Aerial remote sensing is a common technique to obtain precise information about a wildfire state so fire response teams can prepare countermeasures. This task, when performed with manned aerial vehicles, expose operators to high risks that can be eliminated by the use of autonomous vehicles. This thesis introduces a wildfire monitoring system based on fleets of unmanned aerial vehicles (UAVs) to provide firefighters with timely updated information about a wildland fire. We present an approach to plan trajectories for a fleet of fixed-wing UAVs to observe a wildfire evolving over time. Realistic models of the terrain, of the fire propagation process, and of the UAVs are exploited, together with a model of the wind, to predict wildfire spread and plan UAV motion. The approach tailors a generic Variable Neighborhood Search method to these models and the associated constraints. The execution of the planned monitoring mission provides wildfire maps that are transmitted to the fire response team and exploited by the planning algorithm to plan new observation trajectories. Algorithms and models are integrated within a software architecture allowing for execution under scenarios with different levels of realism, with real and simulated UAVs flying over a real or synthetic wildfire. Mixed-reality simulation results show the ability to plan observation trajectories for a small fleet of UAVs, and to update the plans when new information on the fire are incorporated in the fire model

Ces dernières années, l’émergence des nouvelles technologies tels que la miniaturisation des composants, les dispositifs de communication sans fils, l’augmentation de la taille de stockage et les capacités de calcul, a permis la conception de systèmes multi-agents coopératifs de plus en plus complexes. L’un des plus grands axes de recherche dans cette thématique concerne la commande en formation de flottes de véhicules autonomes. Un grand nombre d’applications et de missions, civiles et militaires, telles que l’exploration, la surveillance, et la maintenance, ont alors été développées et réalisées dans des milieux variés (terre, air, eau). Durant l’exécution de ces tâches, les véhicules doivent interagir avec leur environnement et entre eux pour se coordonner. Les outils de communication disponibles disposent souvent d’une portée limitée. La préservation de la connexion au sein du groupe devient alors un des objectifs à satisfaire pour que la tâche puisse être accomplie avec succès. Une des possibilités pour garantir cette contrainte est le déplacement en formation permettant de préserver les distances et la structure géométrique du groupe. Il est toutefois nécessaire de disposer d’outils et de méthodes d’analyse et de commande de ces types de systèmes afin d’exploiter au maximum leurs potentiels. Cette thèse s’inscrit dans cette direction de recherche en présentant une synthèse et une analyse des systèmes dynamiques multi-agents et plus particulièrement la commande en formation de véhicules autonomes. Les lois de commande développées dans la littérature pour la commande en formation permettent d’accomplir un grand nombre de missions avec un niveau de performance élevé. Toutefois, si un défaut/défaillant apparaît dans la formation, ces lois de commandes peuvent s’avérer très limitées, engendrant un comportement instable du système. Le développement de commandes tolérantes aux défauts devient alors primordial pour maintenir les performances de commande en présence de défauts. Cette problématique sera traitée dans ce mémoire de thèse et concernera le développement et la conception de commandes en formation tolérantes au défaut dévolu à une flotte de véhicules autonomes suivant différente configuration/structuration
In recent years, the emergence of new technologies such as miniaturization of components, wireless communication devices, increased storage size and computing capabilities have allowed the design of increasingly complex cooperative multi-agent systems. One of the main research axes in this topic concerns the formation control of fleets of autonomous vehicles. Many applications and missions, civilian and military, such as exploration, surveillance, and maintenance, were developed and carried out in various environments. During the execution of these tasks, the vehicles must interact with their environment and among themselves to coordinate. The available communication tools are often limited in scope. The preservation of the connection within the group then becomes one of the objectives to be satisfied in order to carry out the task successfully. One of the possibilities to guarantee this constraint is the training displacement, which makes it possible to preserve the distances and the geometrical structure of the group. However, it is necessary to have tools and methods for analyzing and controlling these types of systems in order to make the most of their potential. This thesis is part of this research direction by presenting a synthesis and analysis of multi-agent dynamical systems and more particularly the formation control of autonomous vehicles. The control laws developed in the literature for formation control allow to carry out a large number of missions with a high level of performance. However, if a fault/failure occurs in the training, these control laws can be very limited, resulting in unstable system behavior. The development of fault tolerant controls becomes paramount to maintaining control performance in the presence of faults. This problem will be dealt with in more detail in this thesis and will concern the development and design of Fault tolerant controls devolved to a fleet of autonomous vehicles according to different configuration/structuring

Dans cette thèse, nous étudions la conception d’un contrôleur décentralisé pour un ensemble de quadrotors. Les quadrotors sont organisés en leader et suiveurs. Le leader est piloté par l’homme, tandis que les suiveurs utilisent le contrôleur décentralisé pour suivre le leader. Les suiveurs sont autonomes et n’ont pas conscience du comportement du leader. La nouveauté de cette thèse est de s’appuyer sur des capteurs peu coûteux tels que des modules WiFi pour estimer les distances vers les quadrotors voisins. Afin de concevoir le contrôleur décentralisé, l’apprentissage itératif est utilisé et combiné à un apprentissage supervisé et par imitation, à travers plusieurs phases, notamment la collecte de journaux, la formation de modèles avancés et la conception d’un contrôleur sur celui-ci. Ensuite, le contrôleur est intégré dans les suiveurs, les rendant autonomes. Le principal avantage des méthodes d’apprentissage est de déplacer le fardeau de l’optimisation de l’étape des tests en ligne à l’étape de la collecte des données. Par conséquent, cette approche convient aux robots Commerical Of The Shelf (COTS) tels que les micro et nano quadrotors qui ne disposent pas de ressources de calcul considérables à bord. Nos méthodes ont été validées à l’aide de MagicFlock, un framework de construction maison pour essaim de quadrotors qui étend RotorS, un framework de simulation Software In The Loop (SITL) construit sur le simulateur basé sur la physique Gazebo. Nos résultats ont démontré que le comportement de l’essaim est obtenu lorsqu’il est intégré à un ensemble de quadrotors à l’intérieur de Gazebo en utilisant les méthodes d’apprentissage itératif proposées avec une performance similaire à un modèle d’essaim qui utilise les positions absolues des robots
In this thesis, we study designing a decentralized controller for a set of quadrotors. The quadrotors are organized as a leader and followers. The leader is human-piloted, while the followers use the decentralized controller to follow the leader. The followers are autonomous and not aware of the leader’s behavior. The novelty of this thesis is to rely on inexpensive sensors such as WiFi modules to estimate the distances toward neighbors’ quadrotors. In order to design the decentralized controller, iterative learning is used and combined with supervised and imitation learning, through several phases, including logs gathering, training forward models, and designing a controller upon it. Then the controller is embedded in the followers, rendering them autonomous. The main advantage of learning methods is to shift the burden of optimization from the online tests step to the data gathering step. Therefore, making this approach is suitable for Commerical Of The Shelf (COTS) robots such as micro and nano quadrotors that do not have considerable computational resources on board. Our methods have been validated using MagicFlock, a home build framework for quadrotors swarm that extends RotorS, a Software In The Loop (SITL) simulation framework built on the top of the physics-based simulator Gazebo. Our results demonstrated that the swarm behavior is achieved when embedded on a set of quadrotors inside Gazebo using the proposed iterative learning methods with a performance similar to a flocking model that uses the absolute positions of the robots