Robotique en essaim avec tag RFID et commande embarquée pour l'exécution de mission sous contrainte énergétique // Swarm Robotics with RF Sense-Enabled Tags and Embedded Controllers for Energy-Efficient Mission Execution

Ce projet de thèse vise à développer un cadre innovant pour la robotique en essaim basée sur des tags RF et des stratégies de commande embarquées, en vue de l'exécution autonome de missions dans des environnements contraints et incertains (potentiellement sans GNSS). Les applications ciblées concernent notamment la surveillance, l'exploration et les opérations de recherche, où la robustesse, la scalabilité et l'efficacité énergétique sont essentielles.

L'objectif principal est de concevoir une approche de perception et de localisation reposant majoritairement sur des capteurs RF à bas coût, intégrés sous forme de tags RFID UHF au sein de l'essaim robotique. Ces dispositifs permettront d'assurer la détection de proximité et les interactions entre agents, sans dépendre d'infrastructures externes ni de la présence de capteur complexes. Le défi consiste à exploiter les propriétés des signaux RF afin d'obtenir une estimation d'état fiable et coopérative dans des environnements dynamiques.

Sur cette base, le projet développera des stratégies distribuées de coordination et de génération de trajectoires en ligne, permettant à l'essaim de s'adapter en temps réel aux objectifs de mission et aux conditions environnementales. Une attention particulière sera portée aux approches totalement décentralisées, où chaque agent prend des décisions à partir d'informations locales issues des interactions RF.

Un apport majeur du projet réside dans la conception de lois de commande embarquées frugales, adaptées à des systèmes robotiques contraints. Ces approches intégreront explicitement les limitations énergétiques, les délais de communication et les contraintes matérielles, afin de garantir une coordination stable et efficace sur des durées de mission prolongées.La thèse se propose d'utiliser la technologie RFID pour un esseim de robots mobiles pour éviter la collision entre différents robots et/ou pour obtenir une information sur l'environement proche du robot.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project aims to develop a novel framework for swarm robotics based on RF sensing tags and embedded control, targeting autonomous mission execution in constrained and uncertain environments (potentially GNSS-denied environments). The primary applications include monitoring, exploration, and search operations, where scalability, robustness, and energy efficiency are critical.
The core objective is to design an RF-based sensing and localization approach relying mainly on low-cost RF tags embedded within the robotic swarm. These tags will enable relative positioning, proximity detection, and environment-aware interactions without relying on external infrastructure or additional sensing modalities. The challenge lies in exploiting RF signal characteristics to achieve reliable and cooperative state estimation in dynamic.
Building upon this RF-based perception layer, the project will develop distributed coordination and online trajectory generation strategies, allowing the swarm to adapt its behavior in real time according to mission objectives and environmental conditions. Particular emphasis will be placed on fully decentralized approaches, where each agent makes decisions based on locally available RF information and limited communication.
A key contribution of the project is the design of frugal embedded control algorithms tailored to resource-constrained robotic platforms. These control strategies will explicitly account for energy limitations, communication delays, and hardware constraints, ensuring stable and efficient coordination of the swarm over extended mission durations.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Programmes gouvernementaux hors France et Union Européenne

Université Grenoble Alpes

220 EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal

Master (ou équivalent) en robotique, automatisme, génie électrique, informatique ou domaine connexe Solide expérience en systèmes de contrôle, estimation et/ou robotique Bonne connaissance du traitement du signal et des communications sans fil (propagation RF) Expérience des systèmes embarqués et de leur implémentation en temps réel Maîtrise de la programmation (ex.: Python, C/C++, MATLAB, ROS) La connaissance des systèmes multi-agents, de la fusion de capteurs ou des systèmes autonomes est un atout Capacité à travailler dans un environnement multidisciplinaire combinant robotique, automatisme et détection sans fil Excellentes compétences rédactionnelles et de communication en anglais Motivation pour la recherche expérimentale et le travail pratique avec des plateformes robotiques
Master's degree (or equivalent) in Robotics, Control Engineering, Electrical Engineering, Computer Science, or related field Strong background in control systems, estimation, and/or robotics Good knowledge of signal processing and wireless communications (RF propagation) Experience with embedded systems and real-time implementation Solid programming skills (e.g., Python, C/C++, MATLAB, ROS) Familiarity with multi-agent systems, sensor fusion, or autonomous systems is a plus Ability to work in a multidisciplinary environment combining robotics, control, and wireless sensing Good scientific writing and communication skills in English Motivation for experimental research and hands-on work with robotic platforms