Planification de trajectoires par échantillonnage

Slides:



Advertisements
Présentations similaires
E-learning Evolutif Albarelli Corinne Behem Patrice Guillot Jérôme
Advertisements

Fabrice Lauri, François Charpillet, Daniel Szer
Comparaison des méthodes déterministes et Monte Carlo
IREMIA : Institut de REcherche en Mathématiques et Informatique Appliquées Université de la Réunion Uniformisation des mécanismes de conception de SMA.
Champs de Markov en Vision par Ordinateur
Une méthode de spatialisation du vent moyen et des rafales par régression multiple puis krigeage des résidus Action DCLIM/DEC P.Lassègues, J.M.Veysseire,
Influence de la viscosité: Re grand Couche limite sur des obstacles divers: couche limite au sens de région dinfluence de la viscosité Stabilité des écoulements,
DE LA COMPREHENSION A LA MESURE (1) : LAPPROCHE QUANTITATIVE ET LES TECHNIQUES DENQUETE.
Simulateur de chaîne de production par Icobjs
Métaheuristiques pour l’optimisation combinatoire
Collecte de données F. Kohler.
Paris F-RO /1/98 De lemploi de modèles pour explorer de nouvelles stratégies de conduite de culture : application à la conduite du blé M.H. Chatelin.
1 Démarche dinvestigation Epreuve Pratique en S. 2 Culture scientifique acquise au collège A lissue de ses études au collège, lélève doit sêtre construit.
Les démarches de développement
Rational Unified Process (RUP)
Plus rapide chemin bicritère : un problème d’aménagement du territoire
ELE6207 Commande de systèmes robotiques
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN
5. Algorithme à estimation de distribution
La loi de la concentration des solutions
Résolution des Équations Différentielles
Fonction exponentielle: enchaînement de théorèmes
Vers la fonction exponentielle.
MOT Éditeur de modèles de connaissances par objets typés
Département d’informatique
Planification de trajectoires
Modélisation du robot Azimut-3
IFT 702 Planification en intelligence artificielle Contrôle de la recherche avec des réseaux de tâches hiérarchiques Froduald Kabanza Département dinformatique.
IFT 702 – Planification en intelligence artificielle Transformations Froduald Kabanza Département dinformatique Université de Sherbrooke planiart.usherbrooke.ca/kabanza/cours/ift702.
La loi de la concentration des solutions
Outil d’aide à la planification de visites touristiques
Projet de Master première année 2007 / 2008
Structures de données IFT-2000 Abder Alikacem La récursivité Semaine 5 Département dinformatique et de génie logiciel Édition Septembre 2009.
Présentation de la méthode des Eléments Finis
Conditions aux Frontières Ouvertes
Soutenance de stage 16 Mai au 5 Août 2011
Soutenance de stage 16 Mai au 5 Août 2011
Soutenance de stage 16 Mai au 5 Août 2011
GRAPHISME PAR ORDINATEUR
LA DOMOTIQUE DANS L ’ENTREPRISE
10 février 2006GDR ISIS Journée Localisation et Navigation Projet EGNOS-BUS (Eurêka) André Monin, Wael Suleiman LAAS-CNRS.
Jeu de Librairies Virtuelles
Scénario Quatre hommes entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones cellulaires.
Théorème de la limite centrale l’inférence statistique
L’INTÉGRATION DE RESEAUX DE CAPTEURS DANS LES RÉSAUX AD HOCS Régis LECOGE - 29 Mai
Dichotomie Méthode de résolution.
Licence Informatique Algorithmique des graphes
Extraction de segments pour la reconnaissance de symboles : Une approche robuste par Transformée de Hough Présenté par : Simon BERNARD Encadré par : Jean-Marc.
Chapitre 5 Test de circuits séquentiels
Structures de données avancées : Fichiers multidimensionnels Pr ZEGOUR DJAMEL EDDINE Ecole Supérieure d’Informatique (ESI) zegour.esi.dz
Patrick Chedmail – Philippe Wenger Fouad Bennis - Alain Bernard
Recherches locales et méta-heuristiques
IFT 615 – Intelligence artificielle Recherche heuristique
Trajectory Tree [1] Patrick Cinq-Mars. © Name – Month YEAR2 / TOTAL PAGES TTree: Tree-Based State Generalization with Temporally Abstract Actions William.
NOUVEAUX PROGRAMMES 4ème
Les démarches de développement
Valeurs remarquables de cosinus et sinus
ANNEE UNIVERSITAIRE :2010/2011
Structures de données avancées : Arbres B+ avec expansion partielle D. E ZEGOUR Institut National d ’Informatique.
Commande en temps fini (boucle ouverte)
1 Logiciels de confection automatique d’horaires.
Vers l’exploitation de grandes masses de données Encadré par : Mme L.Lamarini Présenté par: Rhaz Yassine Smiri Safae Un article de: Raphaeil Féraud,Maroc.
Présentation du système
Développement du jeu Ricochet Robots pour Android
Dossier de pré-sélection
Projet de Maîtrise Simulation 3D d’atomes robotiques Detanger Pierre-Gilles He Xuefeng Mauny Stéphane Villers Julien.
Equipe Projet DOLPHIN 03/04/08.
Dossier de présélection. VOTRE EQUIPE Présentation de l’entreprise candidate (3 slides max.) Nom, activité Structure, date de création Détention du capital.
Dossier de pré-sélection. VOTRE EQUIPE Présentation de l’entreprise candidate (3 Slides Max.) Nom, activité Structure, date de création Détention du capital.
GdR MoMaS Novembre 2003 Conditions d’interface optimales algébriques pour la vibro-élasticité. François-Xavier Roux (ONERA) Laurent Sériès (ONERA) Yacine.
Transcription de la présentation:

Planification de trajectoires par échantillonnage IFT702 – Intelligent Design Daniel Castonguay Simon Chamberland

Projet conjoint IFT593 Modéliser le robot Azimut-3

Plan Problématique Apport de l’équipe Démonstration Résultats Améliorations possibles Questions

Plan Problématique Apport de l’équipe Démonstration Résultats Améliorations possibles Questions

Problématique Planification de trajectoires pour un robot au sein d’un environnement avec obstacles statiques Approches Exactes Détermine si une solution existe et la retourne Couverture complète de l’espace d’états Par échantillonnage Discrétise l’espace d’états selon une résolution croissante Couverture partielle de l’espace d’états

Problématique Approche par échantillonnage Construction d’une roadmap Échantillonner des états Établir le voisinage Vérifier les collisions Rechercher une solution (DFS, A*, …) Retourner à l’étape 1 si aucune solution

Problématique Échantillonner des états

Problématique Établir le voisinage

Problématique Vérifier les collisions

Problématique Rechercher une solution

Plan Problématique Apport de l’équipe Démonstration Résultats Améliorations possibles Questions

Apport de l’équipe Utilisation de la librairie OOPSMP Auteur Erion Plaku, http://www.kavrakilab.org/OOPSMP/index.html Implémentation facile de nouveaux algorithmes de planification

Apport de l’équipe Implémentation et comparaison de divers algorithmes de planification Grille Treillis (lattice) PRM Séquence aléatoire Séquence déterministe

Apport de l’équipe Illustration en direct des approches

Apport de l’équipe Implémentation de différentes méthodes de résolution Multi-query Single-query Exploration incrémentale Lazy collision checking

Apport de l’équipe Multi-query

Apport de l’équipe Multi-query

Apport de l’équipe Multi-query

Apport de l’équipe Multi-query

Apport de l’équipe Multi-query

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query exploration incrémentale

Apport de l’équipe Single-query lazy collision checking

Apport de l’équipe Single-query lazy collision checking

Apport de l’équipe Single-query lazy collision checking

Apport de l’équipe Single-query lazy collision checking

Apport de l’équipe Single-query lazy collision checking

Apport de l’équipe Single-query lazy collision checking

Apport de l’équipe Single-query lazy collision checking

Apport de l’équipe Single-query lazy collision checking

Plan Problématique Apport de l’équipe Démonstration Résultats Améliorations possibles Questions

Plan Problématique Apport de l’équipe Démonstration Résultats Améliorations possibles Questions

Résultats Single-query

Résultats Single-query

Résultats Single-query

Résultats Single-query lazy collision checking

Résultats Single-query lazy collision checking

Résultats Single-query lazy collision checking

Plan Problématique Apport de l’équipe Démonstration Résultats Améliorations possibles Questions

Améliorations possibles Importance sampling « Encourager » les valeurs importantes Concentration de l’échantillonnage le long des obstacles

Questions?