Réseaux de robots mobiles : Couverture décentralisée de l'espace basée vision omnidirectionnelle. Perception, localisation et navigation coopératives. – R-DISCOVER

Le projet R-Discover propose d'étudier le développement d'un réseau décentralisé de robots coopératifs pour l'exploration et la couverture de l'espace utilisant principalement des capteurs de vision omnidirectionnelle et des stratégies de contrôle décentralisées pour optimiser la couverture de l'espace. R-Discover est un projet de type Recherche Fondamentale visant des développements théoriques et expérimentaux en perception visuelle et systèmes robotiques distribués. L'objectif du projet est de proposer des méthodes et modèles décentralisés théoriques, mais aussi de les dériver en implémentations dans une plateforme expérimentale (site Pavin). Les challenges incluent la coordination décentralisée et formation spatiale (en fonction de zones d'intérêt à explorer), perception et localisation coopératives, navigation et gestion de situations imprévues. On se posera notamment des questions théoriques sur la nécessité d'un modèle global du site à explorer, sur le critère de couverture (locale et globale) de l'espace et sur les critères d'évaluation de performance de l'ensemble du groupe. Il s'agit d'étudier comment une population de robots autonomes, dotés de capacités cognitives et plongés dans un environnement dynamique et a priori inconnu, peut mettre en oeuvre une stratégie globale de couverture de cet environnement en n'ayant, au niveau de l'individu, exploré qu'une partie de cet environnement. L'expérience de Thales Optronics S.A. permettra de spécifier et mettre en place les problématiques de sécurité civile afin de mettre en situation et évaluer les méthodes développées, et aider à l'intégration expérimentale sur site. Les partenaires apportent des compétences complémentaires dans le domaine des systèmes distribués : auto-stabilisation et systèmes distribués fault-tolérants (LIP6,MIS), localisabilité de réseaux (MIS), perception visuelle et omnidirectionnelle (MIS), localisation et navigation (LASMEA), coordination spatiale et localisation (GREYC). Ces compétences sont imbriquées pour l'étude de la problématique de couverture de l'espace par un réseau de robots mobiles. La formation de patterns s'appuie sur des interactions et perceptions locales. Ces dernières sont orientées perception active prenant en compte des senseurs de vision omnidirectionnelle, un domaine largement couvert par le (MIS).