Architecture hybride pour la planification d'actions et de déplacements - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2010

An hybrid architecture for task and motion planning

Architecture hybride pour la planification d'actions et de déplacements

Résumé

Autonomy of mobile robots is caracterized by the ability to act and move in their environment without human intervention. Mission planning for a mobile robot involves different reasoning: a symbolic reasoning to choose the actions allowing the robot to accomplish its assigned mission, and a geometric reasoning to compute the robot motions in order to achieve these actions. First, we compare different approaches to couple a task planner and a motion planner. The results obtained in terms of exchanged messages between both reasoning modules and in terms of computing time seem to proove that a coupling technique in which executions of both planners are interleaved is the approach offering the best performances. From this observation, we propose a hybrid planning architecture implementing a task planner and a motion planner whose executions are interleaved. We were brought to extend the concept of planning operator to allow expression and use of geometric preconditions as well as geometric effects. These preconditions, defining geometrically how to perform actions are then sent to the geometric reasoning module in the form of planning requests. Geometric constraints are extracted from preconditions, translated into mathematical functions, then satisfied using a non linear programming algorithm. A path is thereafter computed between the current robot configuration and the final configuration using a motion planning algorithm called Cell-RRT. Geometric effects allow to transmit modifications of the shared ressources to the symbolic reasoning module (i.e., the task planner) and provide references on the robot configurations at the start or the end of an action achievement. These references can, then, be used during the planning process for a new action. The implemented motion planning algorithm is an incremental probabilistic algorithm based on the Rapidly-exploring Random Trees (RRT) algorithm. It is coupled with a search space reduction phase. During this step, the environment is decomposed into a set of cells, then a shortest path search algorithm is applied in order to define a subset, called corridor, of the search space. Exchanges between both planners are using the concept of advice to help guide the plan construction by using some heuristics as well as allowing the optimization of the plan. This hybrid architecture is finally tested on mission scenarios that highlight the validity of our proposals. The motion planner Cell-RRT is also evaluated in order to study the gains in terms of traveled distance and computation time, based on the ajustment of its various configuration settings.
L'autonomie d'un robot mobile se caractérise par sa capacité à agir et à se déplacer dans l'environnement sans intervention humaine. La planification de mission pour un robot mobile fait intervenir un raisonnement symbolique pour le choix des actions permettant d'accomplir la mission et un raisonnement géométrique pour le calcul des déplacements du robot afin de réaliser ces actions. Dans un premier temps, nous comparons différentes approches permettant de coupler un planificateur de tâches et un planificateur de mouvements. Les résultats obtenus en termes de messages échangés entre les deux modules de raisonnement et en termes de temps de calcul tendent à montrer qu'un couplage dans lequel les exécutions des deux planificateurs sont entrelacées est l'approche offrant les meilleures performances. À partir de ce constat, nous proposons une architecture de planification hybride mettant en oeuvre un planificateur de tâches et un planificateur de mouvements dont les exécutions sont entrelacées. Nous avons été amenés à étendre le concept d'opérateur de planification afin de permettre l'expression et la prise en compte de préconditions géométriques ainsi que d'effets géométriques. Ces préconditions, définissant géométriquement la manière de réaliser les actions, sont ensuite envoyées au module de raisonnement géométrique sous la forme de requêtes de planification. Les contraintes géométriques sont extraites des préconditions, traduites en fonctions mathématiques, puis satisfaites à l'aide d'un algorithme de programmation non linéaire. Un chemin est ensuite calculé entre la configuration actuelle du robot et la configuration solution à l'aide d'un algorithme de planification de mouvement appelé Cell-RRT. Les effets géométriques permettent de transmettre les modifications des ressources partagées au module de raisonnement symbolique et fournissent des références sur les configurations du robot en début ou en fin de réalisation d'une action. Ces références peuvent ensuite intervenir lors de la planification d'une nouvelle action. L'algorithme de planification de mouvements mis en oevre est un algorithme probabiliste incrémental qui s'appuie sur le principe de l'algorithme RRT. Il est couplé avec une phase de réduction de l'espace de recherche. Durant cette phase, l'environnement est décomposé en un ensemble de cellules puis un algorithme de recherche de plus court chemin est appliqué afin de définir un sous-ensemble de l'espace de recherche. Les échanges entre les deux planificateurs font également appel à la notion de conseil afin de permettre le guidage de la construction du plan par des heuristiques géométriques ainsi que de permettre des phases d'optimisation du plan. Cette architecture hybride est finalement testée sur des scénarios de missions mettant ainsi en avant la validité de nos propositions. Le planificateur de déplacement Cell-RRT est également évalué afin d'étudier les gains réalisés, en termes de distances parcourues et de temps de calcul, en fonction de l'ajustement de ses différents paramètres de configuration.
Fichier principal
Vignette du fichier
manuscrit-final-guitton.pdf (2.6 Mo) Télécharger le fichier

Dates et versions

tel-00648244 , version 1 (05-12-2011)

Identifiants

  • HAL Id : tel-00648244 , version 1

Citer

Julien Guitton. Architecture hybride pour la planification d'actions et de déplacements. Intelligence artificielle [cs.AI]. Université Paul Sabatier - Toulouse III; ISAE, 2010. Français. ⟨NNT : ⟩. ⟨tel-00648244⟩

Collections

ONERA
375 Consultations
349 Téléchargements

Partager

Gmail Facebook X LinkedIn More