|<
<< Page précédente
1
Page suivante >>
>|
5
10
15
20
25
30
35
40
documents par page
Tri :
Date
Editeur
Auteur
Titre
Institut Supérieur de l'Aéronautique et de l'Espace
/ 12-04-2013
Ponzoni Carvalho Chanel Caroline
Voir le résumé
Voir le résumé
Les agents robotiques mobiles ou aériens sont confrontés au besoin de planifier des actions avec information incomplète
sur l'état du monde. Dans ce contexte, cette thèse propose un cadre de modélisation et de résolution de problèmes de
planification de perception et de mission pour un drone hélicoptère qui évolue dans un environnement incertain et
partiellement observé afin de détecter et de reconnaître des cibles. Nous avons fondé notre travail sur les Processus
Décisionnels Markoviens Partiellement Observables (POMDP), car ils proposent un schéma d'optimisation général pour les
tâches de perception et de décision à long terme. Une attention particulière est donnée à la modélisation des sorties
incertaines de l'algorithme de traitement d'image en tant que fonction d'observation. Une analyse critique de la mise en
oeuvre en pratique du modèle POMDP et du critère d'optimisation associé est proposée. Afin de respecter les contraintes de
sécurité et de sûreté de nos robots aériens, nous proposons ensuite une approche pour tenir compte des propriétés de
faisabilité d'actions dans des domaines partiellement observables : le modèle AC-POMDP, qui sépare l'information
concernant la vérification des propriétés du modèle, de celle qui renseigne sur la nature des cibles. Enfin, nous proposons
un cadre d'optimisation et d'exécution en parallèle de politiques POMDP en temps contraint. Ce cadre est basé sur une
optimisation anticipée et probabilisée des états d'exécution futurs du système. Nous avons embarqué ce cadre
algorithmique sur les hélicoptères autonomes de l'Onera, et l'avons testé en vol et en environnement réel sur une mission
de détection et reconnaissance de cibles.
|
Texte intégral
|<
<< Page précédente
1
Page suivante >>
>|
5
10
15
20
25
30
35
40
documents par page