Vers une intégrité collaborative pour une meilleure autonomie d'un système multi-robot – ToICar

Le contexte de ce projet est la navigation de systèmes multi-robots autonomes. Ce sont des robots qui peuvent se localiser dans leur environnement, le percevoir, l'interpréter sans aucune interaction humaine, interagir avec d'autres robots en échangeant des informations pertinentes et qui prennent des décisions sûres pour accomplir leur mission. Cependant, jusqu'à présent, les solutions proposées ne sont pas capables de fonctionner dans différents environnements sans intervention humaine. Le problème d'intégrité menant à la sécurité des robots mobiles entrave leur déploiement. La notion d'intégrité est un élément clé lorsque la navigation autonome présente des risques de sécurité comme dans le cas des véhicules autonomes où la probabilité d'accident doit être réduite autant que possible. Pour ce faire, la navigation nécessite une estimation précise et intègre de la pose ainsi que des données de perception. Cependant, traiter ce problème du point de vue d'un seul robot nécessite une redondance accrue des capteurs à coût élevé à chaque niveau de perception et de décision. Par conséquent, les méthodes collaboratives proposent une alternative intéressante puisqu’elles permettent de réduire le nombre de capteurs et d’améliorer la précision et l’intégrité grâce aux informations nombreuses et redondantes. En effet, cette redondance naturelle améliore l'intégrité interne (tolérance aux pannes) et externe (confiance) des informations.
Le but de ce projet est de contribuer à la définition de nouvelles méthodes d'estimation d'état afin de s’affranchir d’hypothèses simplificatrices classiques qui ne permettent pas de gérer convenablement l’intégrité de l'estimation. La contribution de la stratégie d'apprentissage des paramètres (matrice de covariance, degrés de liberté, seuil de détection de défaut, amplitude de défaut) aux modèles dynamiques du système sera étudiée en termes de précision et d'intégrité. L'un de nos objectifs est que l'approche d'apprentissage puisse fonctionner en absence d’une vérité terrain complète. D’autre part, nous souhaitons profiter du cadre collaboratif afin d’améliorer la précision et réduire l'incertitude du système global. L'intégrité des informations échangées dans le système est également un sujet important à traiter.