Système intelligent de navigation et localisation robotique dans un environnement industriel

Doctorat d'informatique - Établissement délivrant le diplôme : ENSAM

Contexte scientifique
Les robots mobiles attirent beaucoup d’attentions en raison de leur large gamme d’applications très prometteuses dans les domaines industriels. Outre les petits robots de livraison de colis et les robots de désinfection utilisés dans les restaurants, les hôtels, les supermarchés, etc., un autre domaine d’application majeur est celui des robots de manutention logistique et d’inspection dans les usines, les ateliers de fabrication et d’assemblage. Pour un robot autonome chargé de la livraison en environnement industriel, la localisation [3] [4] [2] est indispensable afin de lui fournir une conscience précise de sa position, tandis que la navigation [1] [5] demeure cruciale pour permettre la planification de trajets optimisés.

Sujet de thèse
Cette thèse repose sur l’utilisation conjointe de données variées, notamment des données BIM et celles provenant des différents capteurs du robot, tels que le Wi-Fi, le LIDAR, la caméra et le microphone. L’avantage est la robustesse de localisation et navigation en évitant les cas de kidnapping ou ambiguïté, qui posent des difficultés à la localisation et la navigation monomode, tels que mode visuel, ou mode LIDAR etc. La finalité de cette thèse est d’intégrer les solutions technologiques développées dans le robot Tiago++, disponible sur les campus de Strasbourg, puis d’évaluer leur efficacité en simulant un environnement industriel dans les locaux des campus CESI. Ensuite, une phase d’essai pilote dans un environnement industriel réel sera envisagée pour évaluer la faisabilité et l’efficacité des solutions développées, tout en mesurant leur impact sur la productivité des opérations.
Les principaux objectifs de cette thèse sont les suivants : 1) Assurer une localisation précise et un système de positionnement performant. 2) Développer un modèle de navigation intelligent et fiable pour le robot dans un environnement industriel. 3) Créer une interface utilisateur conviviale pour faciliter l’interaction entre le robot et les opérateurs. La thèse se structure en deux workpackages interconnectés. (I) WP1 : Localisation IA du robot Tiago++ en utilisant les données hétérogènes, telles que des données BIM et divers capteurs tels que le LiDAR, les caméras et le Wi-Fi. (II) WP2 : Navigation intelligente permettant au robot de planifier des trajets optimaux, d’éviter les obstacles et de réagir de manière autonome aux variations de l’environnement. En modélisant de manière détaillée l’environnement industriel, nous assurerons une navigation efficace et sécurisée. De plus, nous exploiterons des techniques d’IA avancées pour permettre au robot d’apprendre et de s’adapter en temps réel, améliorant ainsi sa capacité à fonctionner dans des conditions variées et dynamiques.

Programme de travail
Le planning prévisionnel des travaux de thèse est illustré comme suit :
— Inscription ED 432, état de l’art, Définition d’une méthodologie de recherche.
— Modèles IA pour localisation précise, soumission de papier.
— Modélisation IA pour navigation Intelligente, soumission de papier.
— Intégration des modèles IA dans le robot Tiago++, soumission d’article.
— Rédaction de la thèse, Présentation des résultats, soutenance.

Production scientifique/technique attendue
Les travaux donneront lieu à des publications dans des conférences et journaux internationaux de premier rang.
Les résultats attendus incluent le développement de nouvelles approches d’IA pour la localisation et la navigation intelligente. L’intégration de ces avancées technologiques dans le robot Tiago++ est envisagée comme une étape importante de cette thèse.
 

CESI LINEACT (UR 7527), Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l’entreprise et en partenariat avec elles. Une approche centrée sur l’humain et couplée à l’utilisation des technologies, ainsi que le maillage territorial et les liens avec la formation, ont permis de construire une recherche transversale ; elle met l’humain, ses besoins et ses usages, au centre de ses problématiques et aborde l’angle technologique au travers de ces apports. Sa recherche est organisée selon deux équipes scientifiques interdisciplinaires et deux domaines applicatifs.
— L’équipe 1 ”Apprendre et Innover” relève principalement des Sciences cognitives, Sciences sociales et Sciences de gestion, Sciences et techniques de la formation et celles de l’innovation. Les principaux objectifs scientifiques visés sont la compréhension des effets de l’environnement, et plus particulièrement des situations instrumentées par des objets techniques (plateformes, ateliers de prototypage, systèmes immersifs...) sur les processus d’apprentissage, de créativité et d’innovation.
— L’équipe 2 ”Ingénierie et Outils Numériques” relève principalement des Sciences du Numérique et de l’Ingénierie. Les principaux objectifs scientifiques portent sur la modélisation, la simulation, l’optimisation et l’analyse de données de systèmes cyber physiques. Les travaux de recherche portent également sur les outils d’aide à la décision associés et sur l’étude des interactions humains-systèmes notamment à travers les jumeaux numériques couplés à des environnements virtuels ou augmentés.
Ces deux équipes développent et croisent leurs recherches dans les deux domaines applicatifs de l’Industrie du Futur et de la Ville du Futur, soutenues par des plateformes de recherche, principalement celle de Rouen dédiée à l’Usine du Futur et celles de Nanterre dédiée à l’Usine et au Bâtiment du Futur.

Compétences scientifiques et techniques :
— Solide compétence mathématique surtout en optimisation convexe et non-convexe, matrice, probabilité.
— Maîtrise des principales techniques d’IA. Une expérience préalable avec localisation est un plus.
— Solide niveau en programmation et réseaux (environnement Linux/ROS, apprentissage automatique, ...).
— Compétences rédactionnelles en français et en anglais.
— Bonnes capacités à élaborer des techniques d’optimisation.
— Bon niveau en anglais à l’écrit et à l’oral.

Compétences relationnelles :
— être autonome, avoir un esprit d’initiative et de curiosité,
— savoir travailler en équipe et avoir un bon relationnel,
— être rigoureux.