Doctorat
Equipe : Apprentissage et Optimisation
Evolution Artificielle pour laRobotique collective en Environnement Ouvert
Début le 01/10/2009
Direction : BREDECHE, Nicolas
Ecole doctorale : ED STIC 580
Etablissement d'inscription : Université Paris-Saclay
Lieu de déroulement : LRI AO
Soutenue le 01/03/2013 devant le jury composé de :
Reviewers:
A.E. Eiben - VU Amsterdam, Netherlands
Guillaume Beslon - LIRIS/CNRS/INRIA, INSA de Lyon
Examiners:
Stéphane Doncieux - ISIR/CNRS, UPMC
Marc Schoenauer - INRIA Saclay IdF
Philippe Tarroux - LIMSI/CNRS, Université Paris-Sud
Advisor:
Nicolas Bredèche - ISIR/CNRS, UPMC
Activités de recherche :
Résumé :
Cette thèse décrit une partie du travail effectué dans le cadre du projet européen Symbrion. Ce projet vise à la réalisation de tâches complexes nécessitant la coopération de multiples robots dans un cadre de robotique en essaim (au moins 100 robots opérant ensemble). Ce projet aborde plusieurs problèmes dont: l’auto-assemblage de robots en structures complexes et l’auto-organisation d’un grand nombre de robots afin de réaliser une tâche commune. La problématique abordée dans ce projet porte ainsi sur les mécanismes d’auto-adaptation pour la robotique modulaire et en essaim, avec un intérêt particulier pour des comportements de coordination et de coopération.
La principale difficulté de ce projet est due au déploiement de robots dans des environnements ouverts, dont la structure n'est pas connue a priori. Les conditions d’opérations ne peuvant être prédites à l’avance, il est nécessaire de mettre en place des algorithmes d’apprentissage en ligne pour l'acquisition de comportement. De plus, plusieurs propriétés propres à ce contexte doivent être prise en compte : capacité de communication réduite, mémoire et capacité de calcul limitées. Par conséquent, il est nécessaire de distribués ces algorithmes d’apprentissage en ligne à travers l’essaim.
Dans ce contexte, cette thèse aborde le problème consistant à maintenir l'intégrité de l'essaim (c'est-à-dire maximiser le nombre de robots actifs). Nous introduisons et définissons le problème de l’évolution adaptative distribuée, guidée par l’environnement. Nous avons proposons un algorithme pour aborder ce problème, qui a été validé en simulation et sur robots réels. Nous proposons aussi l'étude des propriétés de cet algorithme sous différentes contraintes environmentales. En particulier, nous proposons une étude des dynamiques de convergence en terme de comportements évolués, la robustesse face à des changements environnementaux, et l'évolution de comportements altruistes dans des environnements avec ressources limitées.
