proposition de post-doctorat
Transcription
proposition de post-doctorat
www.onera.fr PROPOSITION DE POST-DOCTORAT Référence : PDOC-TIS-DCPS-2016-01 (à rappeler dans toute correspondance) Laboratoire d’accueil à l’ONERA : Branche : TIS Lieu (centre ONERA) : Palaiseau Département : Département Conception et évaluation des Performances des Systèmes Unité : Systèmes Avancés de Guidage Pilotage (SAGP) / Systèmes Spatiaux et de Défense (SSD) Contacts : Sylvain Bertrand, Julien Marzat, Hélène Piet-Lahanier [email protected] - [email protected] - [email protected] Intitulé : Localisation et lois de guidage distribuées pour flotte de véhicules autonomes Distributed localization and guidance for fleets of autonomous vehicles Mots-clés : Keywords : Localisation et guidage coopératifs, multi-véhicules, robotique, Cooperative localization and guidance, multi-vehicle systems, robotics, UAV drones Contexte : La commande coopérative de véhicules terrestres ou aériens est un sujet de recherche très actif depuis une quinzaine d’années [1]. La plupart des travaux reste cependant encore à des niveaux de maturité faibles (étude papier ou simulation 2D avec quelques véhicules). Quelques démonstrations avec des mini-drones ont été présentées (par exemple par l’Université de Pennsylvanie ou l’ETH Zurich), mais toujours en environnement contrôlé (motion capture) avec des trajectoires prédéfinies pour chaque véhicule. De même, les démonstrations en extérieur utilisant une localisation GPS (la plus avancée étant certainement « Drone 100 » par Intel) reposent sur une chorégraphie pré-établie ou un pilotage manuel envoyant des commandes bas-niveau identiques à plusieurs véhicules. Dans toutes ces réalisations, l’information est par ailleurs entièrement centralisée, sans intelligence de calcul embarquée sur les véhicules. Au-delà de ces quelques démonstrations, la littérature académique est riche de nombreuses études théoriques et en simulations liées à la commande de flottes de drones, notamment : - la répartition de véhicules dans une zone délimitée en utilisant uniquement les informations des véhicules voisins [2], - la commande décentralisée de formations de véhicules avec étude des mécanismes de consensus pour maintenir la cohésion [3][4]. - une commande de mise en formation suivant toute forme géométrique prédéfinie avec preuve de convergence et stabilité [5]. Ces travaux constituent ainsi une bonne base théorique mais doivent être adaptés afin de pouvoir à terme être utilisés dans des missions plus représentatives que les quelques démonstrations existantes. C’est l’objectif qui est au cœur du projet de recherche porté par l’équipe d’accueil du post-doctorant. Description du sujet : Lors de travaux précédents, en collaboration notamment avec Supélec et l’institut Icode de l’IDEX Paris-Saclay, l’équipe de recherche d’accueil a développé de nouveaux algorithmes de commande coopérative permettant de traiter différentes missions : vol en formation [11][15][17][18], exploration de zone [12][14], recherche et localisation de source [7][8][16], localisation coopérative [6]. Deux thèses ont notamment été soutenues sur ces thématiques [9][13] et deux autres sont actuellement en cours. GEN-F213-1 (GEN-SCI-034) Dans le cadre d’un nouveau projet de recherche dans lequel ce sujet de post-doctorat s’inscrit, l’objectif est de mettre en œuvre ces lois de commandes dans le cadre d’expérimentations impliquant des mini-drones ayant des capacités de calcul embarquées. L’objectif est de pouvoir déployer de telles flottes de véhicules autonomes dans des environnements encombrés et sans GPS. L’équipe dispose, pour ce faire, de briques algorithmes de localisation à base de vision et de lois de commande associées qui ont montré leur efficacité dans le cas mono-drone. Il s’agit donc maintenant d’adapter les lois de guidage développées en simulation à la plateforme expérimentale multi-drones en cours de développement, afin d’être à même de remplir les futurs besoins de ce type de système. Les applications envisagées sont la localisation sans GPS d’une flotte de véhicules pour la surveillance de zone, le déploiement coopératif ou la coordination de véhicules autour d’un objectif fixe ou mobile, l’inspection et la cartographie de zones étendues inconnues, ou encore la dépose d’éléments (nœuds de communication) en milieu incertain. De nombreux problèmes scientifiques se posent alors pour réussir ce passage à l’expérimental : - la localisation d’une flotte de véhicules à partir de leurs capteurs embarqués est un problème non résolu, complexe de par l’existence de délais de communications entre les capteurs répartis, d’incertitudes sur les mesures recueillies et sur l’environnement et de l'interdépendance entre les variations d'attitude nécessaires à la réalisation des trajectoires du véhicule ou à l'orientation des capteurs vers les autres véhicules de la flotte ; - la commande des véhicules doit être la plus distribuée possible tout en maintenant le réseau de communication entre les drones pour permettre la réalisation de la mission. La charge de calcul des algorithmes doit rester raisonnable pour pouvoir être embarquée sur les véhicules et fonctionner en temps réel. Ceci est en droite ligne avec les approches qui ont été testées jusqu’ici en simulation ou sur des plateformes très simplifiées ; - la gestion (technologie, fonctionnement) du réseau de communication inter-véhicules. Dans ce contexte, l’objectif principal de ce travail post-doctoral est de proposer et de tester, en collaboration avec les chercheurs du projet, de nouvelles approches de localisation distribuée prenant en compte des capteurs de perception répartis et possiblement hétérogènes, ainsi que la gestion des délais liés aux mesures provenant des différents capteurs à bord d'un véhicule (latences dues au traitement d'image notamment) et associés aux transmissions de mesures provenant d'autres véhicules (délais de communication, communication intermittente entre certains véhicules puis nombreuses trames à dates différentes à gérer). On pourra également s’intéresser au partage d’information sur l’environnement telle que la localisation d’obstacles pour assurer la navigation autonome des drones en toute sécurité. Les méthodes étudiées seront à base d’observateurs et de filtres avec prise en compte des retards et de la dynamique des véhicules. Il s’agira notamment d’étendre efficacement les approches de la littérature [19][20][21] à une flotte coopérative avec implémentation décentralisée. Une évaluation expérimentale des performances des algorithmes développés pourra être effectuée par rapport à une vérité terrain fournie par un dispositif de Motion Capture. Cette mise en œuvre expérimentale sera liée à la mise en place en parallèle par l’équipe d’ingénieurs de scénarios de suivi de trajectoire par une formation de véhicules ou de déploiement coopératif pour la couverture d’une zone. De manière secondaire en soutien des chercheurs, le post-doctorant pourra contribuer à l’amélioration et l’implémentation des algorithmes de commande coopérative sur les plateformes du laboratoire. Cela concernera plus particulièrement les approches de type commande prédictive [11][12][14][15][17]. Les plateformes visées seront dans un premier temps une flotte de drones low-cost (Parrot Bebop, robots mobiles) plus simples à déployer. Le passage à une architecture avec véhicules réalistes ayant une capacité de calcul embarquée (Asctec Pelican et Firefly) se fera graduellement. GEN-F213-1 (GEN-SCI-034) Plateformes robotiques du laboratoire COPERNIC Fournitures et retombées attendues : - codes Python / C++ implémentant les algorithmes de localisation et de commande, validés en simulation et expérimentalement par rapport à une vérité terrain. Briques capitalisables pour évoluer vers d'autres missions (cartographie, dépose d'objets, etc) - publications / communications en conférences et revues sponsorisées IEEE RAS/CSS ou IFAC (IEEE Transactions on Robotics, Control Engineering Practice) Collaborations extérieures : L2S Supélec et Institut Icode Context: Cooperative control of unmanned ground or aerial vehicles has been a very active research topic for the last fifteen years [1]. However, most of the developments remain at low maturity levels (theoretical study or simplified 2D simulation). A few demonstrations involving micro-air vehicles (MAV) have been presented (e.g., by University of Pennsylvania or ETH Zurich), but always inside a controlled framework (motion capture) with predefined vehicle trajectories. Outdoor demonstrations rely heavily on GPS localization (the most advanced one probably being “Drone 100” by Intel) and are based on predefined choreographies or manual identical control orders sent to several vehicles. In all these achievements, information is usually centralized with no on-board computational intelligence. Beyond these demonstrations, the academic literature presents numerous theoretical and simulation studies related to the control of UAV fleets among which: Allocation of vehicles inside a delimited area using only information from neighbor vehicles [2], Decentralized control of vehicle formations with consensus mechanisms to maintain cohesion [3][4]. - Formation control following any type of desired geometrical pattern with stability analysis [5]. These papers form a solid theoretical basis but should be adapted to be used in more representative missions than the existing demonstrations (i.e. « out of the lab »). This is the main objective of the research strategy of the team in which the post-doc researcher will be incorporated. - Topic description : In previous work, conducted in collaboration with Supélec and the Icode Institute at University ParisSaclay, the host research team has developed new algorithms for cooperative control to address different types of missions: formation flying [11][15][17][18], area exploration [12][14], source localization [7][8][16], cooperative localization [6]. Two Ph-D theses have been defended on these topics [9][13] and two others are currently in progress. In the context of the new research project in which this post-doc topic is included, the objective is to transfer these control laws on realistic ground and aerial robotic platform with on-board computational capabilities. The goal is to be able to deploy fleets of such autonomous vehicles in uncertain cluttered environments where GPS localization is not available. For this purpose, the team has developed algorithms for vision-based localization and associated guidance laws that have been validated in the case of autonomous displacement of one MAV or ground robot. The next step is thus to adapt the cooperative guidance laws that have only been tested in simulation to this multirobot experimental platform, to be able to fulfill the future needs of such systems. The intended applications are GPS-free localization of a fleet for zone surveillance, the cooperative deployment or vehicle coordination wrt a fixed or mobile objective, inspection and mapping of large unknown areas, or the delivery of elements (e.g., communication nodes) in uncertain field. A number of scientific problems are related to this work: - Localizing a fleet of vehicles using only their embedded sensors is an open problem, complex because of communication delays between the distributed sensors and large uncertainty on GEN-F213-1 (GEN-SCI-034) measurements and the environment ; Orientations of the vehicles result from demands coming from the guidance laws and the seeker field of view requirements so that a compromise must be sought for. Vehicle control laws should be as distributed as possible for robustness to vehicle loss, yet maintain the communication network to achieve the required missions. The computational load of the algorithms should remain reasonable to be embedded on the vehicles and process information in real time. These constraints have already been studied in the preliminary studies in simulation or on simplified platforms. The management (technology, implementation) of inter-vehicle communication network. - - The main objective of this post-doctoral work is then to develop and test, in association with the researchers of the team, new approaches for distributed localization of a fleet of vehicles, taking into account distributed (and possibly heterogeneous) perception sensors, as well as managing the delays that affect measurements (due to, e.g., image processing) and possible temporary loss of communication between vehicles. A possible research axis is to develop algorithms for sharing information on the environment such as obstacle localization for safer navigation. The studied methods will be based on observers and filters taking into account delays and vehicle dynamics, possibly extending existing work [19][20][21] to a fleet of cooperating vehicles in a decentralized implementation. Experimental validation of the algorithms performance will be performed with respect to Motion Capture ground truth. This will be linked to the work of the team on scenarios such as trajectory following by a fleet of vehicles or cooperative deployment in an area. The post-doctoral researcher might also contribute to the development and implementation of cooperative control laws on the laboratory platforms. This will concern in particular the model predictive control approaches developed in previous work [11][12][14][15][17]. The experimental platforms will be first low-cost vehicles such as Parrot Bebop MAV or small ground robots, which are easier to deploy. In a second time, the use of realistic vehicles with on-board computational power (Asctec Pelican and Firefly, Robotnik Summit) will be considered. Robotic platforms of the COPERNIC laboratory Output expected: - Python/C++ ROS implementation of localization and control allgorithms, validated in simulation (Matlab, ROS) and experimentally with respect to ground truth. - Publications in international automation and robotics conferences and journals sponsored IEEE RAS/CSS or IFAC (target journals: IEEE Transactions on Robotics, Control Engineering Practice) Bibliographie [1] [2] [3] [4] [5] [6] R. M. Murray, Recent research in cooperative control of multivehicle systems, Journal of Dynamic Systems, Measurement, and Control, 129(5), pp. 571–583, 2007. J. Cortes, S. Martinez, T. Karatas, F. Bullo, Coverage control for mobile sensing networks. IEEE International Conference on Robotics and Automation, Vol. 2, pp. 1327-1332, 2002. W. Ren, R. W. Beard, E. M. Atkins, Information consensus in multivehicle cooperative control, IEEE Control systems magazine, 2(27), 71-82, 2007. G. Lafferriere, A. Williams, J. Caughman, J.J.P. Veerman, Decentralized control of vehicle formations, Systems & control letters, 54(9), 899-910, 2005. C. C. Cheah, S. P. Hou, J. J. E. Slotine, Region-based shape control for a swarm of robots, Automatica, 45(10), 2406-2411, 2009. N. Piasco, J. Marzat, M. Sanfourche, Collaborative localization and formation flying using distributed stereoGEN-F213-1 (GEN-SCI-034) [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] vision, IEEE International Conference on Robotics and Automation, Stockholm, Sweden, 2016. A. Kahn, J. Marzat, H. Piet-Lahanier, M. Kieffer, Global extremum seeking by Kriging with a multi-agent system, 17th IFAC Symposium on System Identification, Beijing, China, 2015. A. Kahn, J. Marzat, H. Piet-Lahanier, M. Kieffer, Cooperative estimation and fleet reconfiguration for multi-agent systems, 3rd IFAC Workshop on Multivehicle Systems, Genova, Italie, 2015. A. Kahn, Commande cooperative reconfigurable pour la recherche d’extremum, Rapport de thèse, Université Paris-Saclay, 2015. J. Marzat, H. Piet Lahanier, A. Kahn, Cooperative guidance of Lego Mindstorms NXT Mobile robots, 11th International Conference on Informatics in Control, Automation and Robotics (ICINCO 2014), Vienne, Autriche, 2014. Y. Rochefort, H. Piet-Lahanier, S. Bertrand, D. Beauvois, D. Dumur, Model predictive control of cooperative vehicles using systematic search approach, Control Engineering Practice, vol. 32, pp. 204-217, 2014. S. Bertrand, J. Marzat, H. Piet-Lahanier, A. Kahn, Y. Rochefort, MPC Strategies for Cooperative Guidance of Autonomous Vehicles, Aerospace Lab Journal, vol. 8, 2014. Y. Rochefort, Méthodes pour le guidage coopératif, Rapport de thèse, Université Paris Sud Supelec, 2013. T. Gorecki, H. Piet-Lahanier, J. Marzat, M. Balesdent, Cooperative guidance of UAVs for area exploration with final target allocation, 19th IFAC Symposium on Automatic Control in Aerospace (ACA 2013) , Wurzburg, Allemagne, 2013. A. Kahn, J. Marzat, H. Piet-Lahanier, Formation flying control via elliptical virtual structure, ICNSC13, Evry, France, 2013. H. Piet-Lahanier, J. Marzat, A. Kahn, Cooperative guidance laws for maneuvering target interceptions, 19th IFAC Symposium on Automatic Control in Aerospace (ACA 2013), Wurzburg, Allemagne, 2013. Y. Rochefort, S. Bertrand, H. Piet-Lahanier, D. Dumur, D. Beauvois, Cooperative Non-linear Model Predictive Control for Flocks of Vehicles, IFAC Workshop on Embedded Guidance, Navigation and Control in Aerospace, Bangalore, Inde, 2012. Y. Rochefort, H. Piet-Lahanier, S. Bertrand, D. Beauvois, D. Dumur, Guidance of Flocks of Vehicles Using Virtual Signposts, 18th IFAC World Congress, Milan, Italie, 2011. A. Khosravian, J. Trumpf, R. Mahony, T. Hamel, Recursive Attitude Estimation in Presence of Multi-Rate and Multi-Delay Vector Measurements, IEEE American Control Conference, 2015. F. Valencia et al., Moving Horizon Estimator for Measurement Delay Compensation in Model Predictive Control Schemes, IEEE Conference on Decision and Control, 2011. S. Weiss, M. W. Achtelik, M. Chli, R. Siegwart, Versatile distributed pose estimation and sensor self-calibration for an autonomous MAV, IEEE International Conference on Robotics and Automation, pp. 31-38, 2012. Durée : 12 mois (renouvelable) Salaire net : environ 24 k€ annuel PROFIL DU CANDIDAT Formation : Doctorat (PhD) en automatique / robotique Compétences souhaitées : • Commande et estimation, filtrage • Matlab, Python ou C++, une connaissance / expérience de ROS est un plus • Capacité de publication attestée. GEN-F213-1 (GEN-SCI-034)