Apprentissage et correction des imperfections des robots humanoïdes de petite taille : application à l'odométrie et à la synthèse de mouvements
- 2 April 2026
- thesis
- Published by Agence Bibliographique de l'Enseignement Supérieur
Abstract
Les petits robots humanoïdes sont généralement soumis à de nombreuses imperfections : déformations et jeux mécaniques, défauts électriques et problèmes d'asservissements moteurs. L'objet de ces travaux est l'utilisation de techniques d'apprentissage pour compenser les imperfections du robot réel. L'amélioration de la précision de l'odométrie et de la stabilité de mouvements générés est étudiée. Cette thèse est fortement guidée et inspirée par la participation de l'équipe Rhoban (Rhoban Football Club) à la compétition internationale de robotique, la RoboCup. Depuis 2011, l'équipe concourt chaque année dans la ligue des petits robots humanoïdes complètement autonomes (Humanoid Kid-Size) dans un tournoi de football robotique. L'odométrie proprioceptive estime les déplacements du robot à partir de ses capteurs internes (la caméra n'est pas utilisée) alors que l'odométrie prédictive simule les déplacements engendrés par une séquence donnée d'ordres du mouvement de marche. Deux méthodes de correction sont ici proposées pour les deux odométries. La première se fonde sur une technique de régression non paramétrique (LWPR) et un système externe de capture de mouvement. La deuxième optimise (CMA-ES) un modèle de correction linéaire sans ne nécessiter aucun autre dispositif de mesure. L'odométrie proprioceptive est essentielle à la localisation du robot sur le terrain de football alors que l'odométrie prédictive permet d'entraîner hors ligne une politique de contrôle de la marche. La synthèse de mouvements très dynamiques tels que la marche ou le tir est rendue difficile par la forte contrainte de stabilité bipède et les imperfections des servomoteurs. Des mouvements de tir sont tout d'abord générés par optimisation (CMA-ES) et évalués au travers du modèle dynamique inverse du robot. Le développement d'un simulateur physique a été commencé. Le but est de réduire la distance entre le comportement réel et désiré du robot par correction des mouvements au sein du simulateur.Keywords
This publication has 106 references indexed in Scilit:
- Dynamic Balancing of Mobile Robots in Simulation and Real Environments2016
- Monocular‐SLAM–based navigation for autonomous micro helicopters in GPS‐denied environmentsJournal of Field Robotics, 2011
- Rigid Body Dynamics Algorithms2008
- The CMA Evolution Strategy: A Comparing Review2007
- Learning and prediction of slip from visual informationJournal of Field Robotics, 2007
- Exploiting the Unexpected: Negative Evidence Modeling and Proprioceptive Motion Modeling for Improved Markov Localization2006
- Learning Movement Primitives2005
- AN IMPLICIT TIME-STEPPING SCHEME FOR RIGID BODY DYNAMICS WITH INELASTIC COLLISIONS AND COULOMB FRICTIONInternational Journal for Numerical Methods in Engineering, 1996
- Flexible regression models with cubic splinesStatistics in Medicine, 1989
- Kinematic modeling of wheeled mobile robotsJournal of Robotic Systems, 1987