ELE6207 Commande de systèmes robotiques Navigation d’un robot mobile dans un environnement dynamique Julien Beaudry Pierre-Yves Mailhot École Polytechnique de Montréal 23 avril 2003

Objectif ultime de la RoboCup « By the year 2050, develop a team of fully autonomous humanoid robots that can win against the human world soccer champion team. »

Le soccer robotisé au laboratoire de mécatronique Recherche dans le domaine des systèmes de robotique mobile multi-agents (systèmes électro-mécaniques, systèmes temps-réel, perception, contrôle, coopération) Vocation éducationnelle (cours ELE3100, PFEs, etc.) Participation, à compter de 2004, à la RoboCup (Middle-Size League)

Navigation dans un environnement dynamique Objectifs: Maintenir une trajectoire permettant d’atteindre la cible Minimiser les collisions L’environnement dynamique nous force à adopter une approche réactive au lieu d’une approche prédictive.

Travaux à venir (12 mars 2003) Développement d’une procédure d’ajustement Amélioration de la procédure de recouvrement Implantation du filtre de Kalman pour essais sur système réel Augmentation graduelle de la vitesse de navigation Constamment s’assurer que la méthode utilisée est la bonne!

Plan de la présentation 1) Introduction et rappel du projet 2) Description du système 3) Méthode des champs de potentiels initiale 4) Méthode des champs de potentiels révisée 5) Algorithmes de jeu: gardien et attaquant 6) Contrôle assisté 7) Discussion

Description du système 2 caméras couleur 6 robots et terrain système de vision lien sans fil serveur de jeu

Champs de potentiels artificiel: principe Force d’attraction: Force de mouvement (+) Forces de répulsion dues aux robots: Force statique (-) Force dynamique (+ ou -) Force limite (-) Force résultante

Champs de potentiels artificiel: équations Les équations sont définies ainsi pour la composante X:

Champs de potentiels artificiel: exemples Séquences vidéos

Champs de potentiels artificiel: difficultés Efficacité variable de la méthode selon les coefficients utilisés et le type de situation (statique versus dynamique, comportement de joueur versus aléatoire) Degré d’optimalité recherché Le robot peut se retrouver dans des culs-de-sac dans lequel il est incapable de ressortir (séquence vidéo)

Méthode des champs de potentiels révisée: principe Utilisation des champs de potentiel mais correction de la cible afin de se diriger vers une direction dégagée

Méthode des champs de potentiels révisée: fonctionnement Détermination d’une cible intermédiaire à partir de la droite libre la plus proche de la cible finale Calcul de la force résultante à partir des forces de mouvement et de répulsion (statiques, dynamiques et bandes) Détermination de la vitesse tangentielle résultante et de la vitesse angulaire requise

Algorithmes de jeu: gardien Prédiction de la position du ballon Positionnement en fonction de cette prédiction Capacité de dégagement y x

Algorithmes de jeu: gardien Séquence vidéo

Algorithmes de jeu: attaquant Positionnement en fonction de la position p.r. au ballon Jeu d’équipe: rôle défensif si coéquipier plus près du ballon 1 y 2 x 4 3

Algorithmes de jeu: attaquant Simulation

Contrôle assisté Utilisation de la méthode développée pour faciliter la navigation manuelle en environnement dynamique Par exemple, contrôle d’un robot footballeur par commande de jeu

Contrôle assisté Séquence vidéo

Discussion Points faibles: Points forts: Optimisation des coefficients Difficile de juger de l’optimalité du trajet Dépendance entre paramètres et vitesse de parcours Points forts: Relativement facile à programmer Exécution rapide (peu de ressources sollicitées) Le comportement du robot peut être facilement ajusté Il n’est plus nécessaire d’avoir une méthode de recouvrement

Travaux à venir (été 2003) Terminer la programmation de la méthode révisée Validation du nouvel algorithme (essais) Ajustement des paramètres pour différentes situations de jeu Fusion des données de l’odométrie et du système de vision

Des questions ? ?