Commande robuste hybride modèle–données pour le contrôle longitudinal et latéral d’un véhicule autonome à échelle réduite

Laboratoire DRIVE
Département de Recherche en Ingénierie des Véhicules pour l'Environnement.

Equipe de recherche: Sustèmes Intelligents et Connectés SIC

Le laboratoire de recherche DRIVE de l’université de Bourgogne (uB) est situé à Nevers dans la Nièvre (58). Composé d’une soixantaine de membres dont une trentaine d’enseignants-chercheurs et une vingtaine de doctorants, il possède des équipements de pointe et développe une recherche à la fois appliquée et fondamentale de haut niveau dans deux grands domaines cadres : les systèmes intelligents et l’optimisation énergétique ainsi que la mécanique des matériaux et des structures.

Résumé du stage :
Les véhicules autonomes doivent assurer à la fois le maintien dans la voie (contrôle latéral) et la régulation de la distance
de sécurité vis-à-vis du véhicule précédent (contrôle longitudinal), tout en garantissant stabilité et sécurité dans des
conditions variables.
Les approches basées modèle (telles que LQR, MPC ou H∞) offrent de solides garanties théoriques, mais leur
performance diminue lorsque le modèle du véhicule est incertain ou soumis à des perturbations (adhérence variable, vent
latéral, erreurs capteurs). À l’inverse, les méthodes purement data-driven s’adaptent mieux aux conditions réelles mais
nécessitent souvent un grand volume de données et ne garantissent pas toujours la stabilité.
Ce stage vise à combiner les avantages de ces deux approches en développant une commande robuste hybride modèle–
données. L’objectif est de concevoir une stratégie permettant au véhicule :
— de maintenir une distance de sécurité minimale et stable avec le véhicule précédent,
— de suivre fidèlement la trajectoire de voie malgré les incertitudes,
— et de s’adapter en temps réel aux variations de l’environnement à partir des données collectées.
Objectifs du stage
— Développer un contrôleur robuste basé modèle assurant stabilité et respect des contraintes de sécurité pour la
dynamique longitudinale et latérale.
— Concevoir un module d’adaptation data-driven capable d’estimer les perturbations et les erreurs de modélisation en
ligne (ex. Disturbance Observer, Extended State Observer, Processus Gaussiens).
— Intégrer ces deux approches dans une architecture hybride combinant robustesse et adaptation.
— Évaluer la performance en simulation puis sur un véhicule autonome à échelle réduite.

Déroulement de stage:

Le stage consiste d’abord à prendre en main la plateforme expérimentale et à mettre en place un modèle du véhicule ainsi qu’un contrôleur de base. Une analyse des limites du contrôleur nominal est ensuite menée, notamment face aux perturbations et incertitudes. Le stagiaire réalise une recherche bibliographique sur les approches de commande robuste, adaptative et hybride.
La suite du travail porte sur le développement d’une stratégie de contrôle combinant modèle et données, suivie de sa validation en simulation puis en expérimentation sur un véhicule à échelle réduite.
Les résultats attendus incluent une méthode de commande hybride robuste et adaptative, sa validation expérimentale et la rédaction d’un rapport technique avec potentiel de valorisation scientifique.

Compétences mobilisées
— Commande robuste et adaptative (MPC, H∞, observateurs).
— Estimation de perturbations et identification en ligne.
— Simulation et expérimentation : MATLAB/Simulink, Python, ROS, CARLA, CommonRoad.

Profil recherché
1- 3ème année d’école d’ingénieurs ou master 2ème année, option robotique et
automatique
2-  Fortes connaissances en automatique sont requises /robotique mobile)
3-  Maitrise de Matlab/Simulink est très souhaitable
4-  Connaissances en programmation c/c++ ou python sont appréciées.