Optimisation inexacte pour le contrôle de robots – INEXACT

Les robots sont appelés à prendre une grande place dans la société de demain, bien au-delà des robots industriels actuels en environnements contrôlés, avec des impacts importants en termes de sécurité, de santé au travail, de confort et de productivité.

Le mouvement des robots est généralement conçu et contrôlé en spécifiant des objectifs et des contraintes numériques sur ce qu'ils doivent faire, et dans quelles limites. Ces spécifications entrent souvent en conflit, et la commande du robot doit être calculée pour les satisfaire de la meilleure façon possible, en résolvant un problème d'optimisation numérique.

Ces problèmes sont souvent assez petits pour pouvoir être résolus exactement en théorie, mais ils sont toujours basés sur des modèles, et par définition, les modèles reflètent imparfaitement la réalité, d'autant plus que nous nous éloignons d'environnements contrôlés.

Nous proposons un changement de paradigme, reconnaître que nous résolvons en fait des problèmes d'optimisation inexacts qui fournissent des solutions inexactes par construction, et explorer les deux hypothèses suivantes : Nous pouvons obtenir les mêmes performances avec des solutions numériques imprécises, et nous pouvons obtenir ces solutions numériques imprécises en utilisant des méthodes numériques moins coûteuses.

A notre connaissance, ces questions ont à peine été explorées. INEXACT fournira la première exploration complète de ce sujet.

Notre ambition à court terme est de réduire de manière significative les besoins de calcul pour résoudre les problèmes de contrôle, en profitant des imprécisions inhérentes au contrôle de robots pour calculer plus rapidement des solutions adéquates. Notre ambition à long terme est de concevoir des robots moins fragiles, moins coûteux et moins polluants, car le fait d'être moins dépendant de modèles précis peut nous rendre moins dépendants d'une mécatronique précise et donc complexe, fragile, coûteuse et exigeante en ressources naturelles.