Mon stage de fin d'études

• Lieu du stage : Centre Spatial de Toulouse, laboratoire de Robotique Spatiale
• Sujet du stage : recherche et développement de stratégies de couverture de la perception pour le robot IARES
• Durée du stage : 6 mois
• Tuteurs de stage : Claude Quéré, Laurent Rastel

Présentation du stage

La récente mission Pathfinder menée par le JPL (Jet Propulsion Laboratory) a prouvé qu'il était possible de piloter depuis la Terre, par l'intermédiaire d'un lander, un robot déposé sur une planète tellurienne. Mais ce pilotage à distance n'est pas satisfaisant car la communication entre le lander et la Terre n’est pas possible en permanence, et les délais de communication ne facilitent pas ce pilotage. Ainsi Sojourner, un rover de 10,5 kg, n'a parcouru qu'une centaine de mètres en 83 jours.
Le nouveau challenge dans le domaine de la conquête spatiale est donc l’envoi de robots autonomes pour l’exploration des planètes. Ces robots devront être capables de se déplacer en parcourant de longues distances de façon tout à fait autonomes (de l’ordre d’une centaine de mètres). Le but du projet européen IARES coordonné par le CNES est de démontrer la faisabilité d’un tel robot.

La Génération de Déplacements Autonomes mise en oeuvre sur le robot IARES (Illustrateur Autonome de Robotique mobile pour l’Exploration Spatiale) est basée sur un système de vision constitué d’un banc stéréoscopique. Chaque paire d’images acquise est traitée jusqu’à l’établissement d’une trajectoire exécutable par le véhicule.

La première étape de cette chaîne de traitement d’images consiste à corriger ces images des distorsions dues aux focales des caméras utilisées. Après une rectification des images (un point de l'espace représenté sur la ligne N de l'image gauche se retrouve sur la ligne N de l'image droite), un gradient est appliqué à chaque image afin d'éliminer le problème de différence de luminosité entre les deux images. Une carte des disparités est ensuite construite : chaque pixel représente la différence d’abscisses dans les deux images d’un même point de l’espace 3D.

Un Modèle Numérique de Terrain est alors déduit de cette carte des disparités. Puis une carte de navigation est élaborée, représentant les zones de l’espace navigables pour le robot et les zones non navigables. Enfin, une trajectoire est générée par un algorithme A* avec heuristique, à partir de cette dernière carte, dans les zones navigables, afin d’atteindre un point objectif fixé par l’opérateur.

La trajectoire calculée va donc dépendre de la connaissance du terrain acquise par les prises de vues successives : seule une zone carrée de 20 m de côté et centrée sur la position du robot est stockée en mémoire (fenêtre glissante). L’objectif du rover étant d’atteindre un point pouvant se situer à une centaine de mètres, voire plus, la trajectoire est générée en plusieurs étapes.
Chaque étape correspond à une portion de trajectoire de 6 m maximum. Cette contrainte impose un rafraîchissement minimal des données qui permet en outre de diminuer les effets néfastes des erreurs de locomotion et de localisation, bien qu’elles soient déjà prises en compte dans la construction de la carte de navigation. Une stratégie de couverture de la perception est donc nécessaire pour permettre au robot d’avoir la meilleure connaissance possible du terrain avec un minimum de perceptions (dans un souci d’économie de temps et d’énergie) afin de pouvoir générer des trajectoires optimales.

Résultats

Trois stratégies ont été développées au cours du stage et testées sur un simulateur de robot mobile. La première consiste à procéder à une succession de perceptions en dirigeant le système de vision dans la direction la plus proche du cap à suivre ne rencontrant aucun obstacle, compte-tenu de la connaissance actuelle du terrain. Cette méthode présente de nombreux inconvénients, certains pouvant entraîner un blocage du robot, nécessitant alors l’intervention de l’opérateur. L’autonomie du rover est donc limitée.

La seconde stratégie mise en oeuvre consiste à anticiper légèrement sur la génération de trajectoire en dirigeant le banc stéréoscopique dans la direction vers laquelle le robot semble vouloir aller. Elle repose donc uniquement sur la connaissance de la trajectoire calculée à l’étape précédente, avec une anticipation sur le calcul de la trajectoire suivante sans tenir compte explicitement de l'objectif final à atteindre. Néanmoins cette méthode donne des résultats satisfaisants, la direction retenue pour la perception étant suffisamment correcte pour permettre l’ajout d’une temporisation afin de laisser le temps au robot de terminer l’exécution de la trajectoire précédente. Cela a pour effet de diminuer considérablement la durée nécessaire au véhicule pour atteindre son objectif.

Enfin, la troisième stratégie est identique à la précédente, mais elle prend aussi en compte les zones inconnues à proximité (zones dissimulées par des obstacles divers). En effet, une à deux perceptions supplémentaires peuvent être réalisées à chaque nouvelle étape pour tenter d’éliminer les zones inconnues proches du robot. L’objectif est d’éviter d’éventuelles déviations de la trajectoire, voire de permettre le calcul d’une trajectoire meilleure que celle obtenue avec la stratégie précédente.

Le moyen retenu pour juger de l’efficacité de ces stratégies est le nombre des perceptions, la durée du parcours jusqu’à l’objectif final, la durée de calcul nécessaire, et la construction de deux cartes : l’une met en évidence les directions de l’ensemble des perceptions depuis le point de la trajectoire où elles ont été effectuées, l’autre représente le contour des zones acquises par ces perceptions. Le développement d'une interface graphique a aussi été nécessaire pour permettre de suivre en temps réel l’évolution de cette dernière carte, donc l’évolution des connaissances acquises par le robot tout au long de son parcours.

L’analyse révèle finalement peu de différences entre ces deux dernières stratégies au niveau de la distance parcourue et du temps de parcours. Mais le nombre de perceptions et le temps de calcul sont un peu plus importants dans la stratégie 3. Il serait donc utile de disposer d’une évaluation de l’énergie nécessaire dans les deux cas pour savoir laquelle est optimale, le critère à minimiser dans une telle mission étant le critère énergétique.