Approche de navigation collective basée sur l'Apprentissage par Renforcement d'un groupe de robots mobiles autonomes

Abstract

Notre objectif est de simuler une navigation collective d'un groupe de robots mobiles basée sur l'apprentissage par renforcement dans un environnement inconnu. C'est une amélioration et continuation d'un travail qui a été réalisé dans un environnement partiellement connu. La simulation est faite par un simulateur des robots mobiles Mobotsim. Dans ce mémoire, nous avons présenté des algorithmes de contrôle de robots mobiles Coopérants. Ces algorithmes permettent à des robots de fonctionner soit individuellement soit en coopération avec d'autres robots. En première étape, on a implémenté des algorithmes qui permettent à un groupe de robots mobiles d'effectuer une tâche commune et assurer une bonne coopération entre eux. Cette tâche est la formation des figures géométriques tels que cercle, cercle rempli, polygone et ligne. Ainsi ces algorithmes permettent de réaliser la figure en question avec un petit ou un grand nombre de robots en jouant sur les paramètres utilisés (tel que le diamètre), mais il n'est pas toujours possible de réaliser n'importe quel type de formation. Cependant, les robots peuvent parfois être bloqués, c'est pour cela que nous avons introduit l'apprentissage par renforcement afin de pallier ce problème. En seconde étape, après l'étape de la formation géométrique, la navigation en formation est présentée. L'objectif de l'approche développée est d'assurer à cette formation de naviguer dans un environnement inconnu tout en évitant les obstacles sur son chemin sans entrer en collision. Nous avons apporté une solution par l'utilisation de l'apprentissage par renforcement. La réalisation du déplacement de cette formation ne peut se faire si les robots ne peuvent se déplacer individuellement sans collision. C'est pour ça que nous avons développé une navigation individuelle et en groupe des robots mobiles afin de leurs permettre d'une part de réaliser la figure géométrique et d'autre part de faire naviguer cette formation avec succès dans un environnement non connu au préalable. En effet, l'approche développée assure à un groupe de robots de se déplacer en formation sans entrer en collision et de maintenir la forme de cette formation par l'utilisation de la technique du conducteur de groupe (leader). Mais, il n'est pas possible de changer la formation en cours de déplacement. Nous avons par la suite simulé cette approche qui se traduit par la simulation de la navigation individuelle et en groupe basée sur l'apprentissage par renforcement, la formation des figures géométriques ainsi que la navigation en formation et nous avons obtenu de bons résultats dans différents environnements. Enfin, à l'instar de tous projets de fin d'études, le travail présenté dans ce mémoire pourra être amélioré. Pour cela nous pensons qu'il serait très intéressant de reprendre ce travail, et ajouter quelques modifications sur la fonction de renforcement et les actions du robot pour lui permettre de trouver un meilleur ou le plus court chemin.