PEA Action - 2007 / 2015

Etude de coopération de multivéhicules
hétérogènes
PEA Action - 2007 / 2015
Les objectifs du PEA Action
•
« Étudier les moyens disponibles et préparer les technologies futures en vue de
renforcer les performances de la fonction localisation dans un réseau d’entités
hétérogènes constituées de vecteurs autonomes »
•
Financement : DGA MI (Maîtrise de l'Information)
Suivi : DGA TT (Techniques Terrestres) et DGA TN (Techniques Navales)
•
•
Localisation globale : amis, cibles ennemies, amers, obstacles
(Détection / Reconnaissance / Identification DRI cibles acquise)
Moyens de localisation robustes à l’absence / dégradation de GPS
•
Démonstrations scientifiques avec véhicules réels
•
Site Web : http://action.onera.fr/
•
2
Présentation du PEA Action
1
L'équipe Projet
•
ONERA - Office national d’études et de recherches aérospatiales
Contact : Magali Barbier ([email protected])
Départements :
•
Département Commande des Systèmes et Dynamique du Vol DCSD
Unités de Recherche
• Conduite et Décision
• Commande et Intégration
•
Département Traitement de l'Information et Modélisation DTIM
Unité de Recherche
• Estimation et Vision
•
LAAS/CNRS - Laboratoire d'Analyse et d'Architecture des Systèmes / Centre
National de la Recherche Scientifique
Contact : Simon Lacroix ([email protected])
Groupe Robotique et Interactions RIS
Présentation du PEA Action
3
Planning Projet
•
Phases de consolidation (C.) et de démonstration (D.)
2007
2008
2009
2010
2011
2012
2013
2014
2015
C. I à IV
D. II et IV
C. V et VI
D. I et III
D. V et VI
Scénarios I, III, V et VI : aéroterrestres
Scénarios II et IV : aéromaritimes
4
Présentation du PEA Action
2
Six scénarios
4 scénarios aéroterrestres, de 2 à 12 véhicules (AAV et AGV)
Contrôle d'une zone rurbaine : localisation et poursuite de cibles non
coopératives
Complexité croissante : zones, cibles, aléas
Capacités restreintes de communication
•
•
•
•
3
2
1
AAV Autonomous Aerial Vehicle
AGV Autonomous Ground Vehicle
Présentation du PEA Action
5
Six scénarios
•
•
•
2 scénarios aéromaritimes, avec 2 et 3 véhicules
(AAV, AUV, ASV)
Blanchiment d’un chenal
Lutte antipollution
AAV Autonomous Aerial Vehicle
AUV Autonomous Underwater Vehicle
ASV Autonomous Surface Vehicle
6
Présentation du PEA Action
3
Véhicules pour les démonstrations
•
•
•
AAV Yamaha RMax ReSSAC, Vario ReSSAC de l’Onera
AGV Mana, Minnie et Momo du Laas
AUV Daurade DGA Tn, ASV Spartan DGA Tn
Présentation du PEA Action
7
Évaluation
•
Simulations
•
•
•
Infrastructure de simulation Morse
basée sur Blender
http://www.openrobots.org/wiki/morse/
Simulations pures et hybrides
(des véhicules simulés et des
véhicules réels)
Expérimentations
•
•
Sites Esperce, village militaire
de Caylus
Site SESAC du lac de Castillon
Présentation du PEA Action
4
Les axes du PEA Action
•
Axes scientifiques
•
•
•
Fusion de données
Décision : Planification, Supervision
Architecture
décisionnelle
multidrone
Axes transverses
•
•
•
•
•
•
•
Gestion de projet et qualité
État de l’art / bibliographie
Animation scientifique: workshops 2007, 2008 et 2009, publications
Consolidation des scénarios avec les états-majors
Simulation
Spécification et choix des véhicules
Expérimentations
Présentation du PEA Action
Architecture décisionnelle multidrone
•
•
PEA Action : coopération
de véhicules déjà autonomes
Trois couches sur chaque véhicule
Couche
décisionnelle
multidrone
MULTI_AXV
MULTI
Couche
décisionnelle
monodrone
MONO_AXV
•
•
MONO
•
•
Décision / coopération
Décision / niveau véhicule
CDE
•
Couche
commande
CDE_AXV
Réalisation des actions
capteurs
•
communication
avec l’extérieur
Autonomie de l'équipe pour
la réaction aux aléas, intervention
minimale de l’opérateur mission
actuateurs
Engin
AXV =
Autonomous
Vehicle
Présentation du PEA Action
5
Architecture décisionnelle multidrone
•
Couche décisionnelle intégrant les fonctions :
•
Planification
• Plan = suite d’actions
• Coordination pour la coopération : rendez-vous, communication
• Hors ligne en préparation et en ligne pour réparation ou recalcul d’un plan
•
Supervision
• Contrôle en ligne de l’exécution des actions planifiées
• Décision suite à événement, en fonction de sa connaissance de la situation, de la
réaction à programmer et à quel niveau programmer cette réaction
• Déclenchement des actions élémentaires : déplacement, perception, communication,
replanification
•
Fusion des données (actuellement répartie dans MONO_AXV)
• Traitement des données disponibles pour assurer la fonction localisation
• Localisation / SLAM (Simultaneous Localisation and Mapping) pour la localisation
des véhicules, des cibles, des amers
• Modélisation de l’environnement par « couches »
• Pistage pour assurer la localisation des cibles, leur suivi
Présentation du PEA Action
11
Architecture décisionnelle multidrone
•
•
Choix d’une couche MULTI_AXV centrée sur la supervision
Choix d’un processus de décision couplant les fonctions de
supervision et de planification
Données
Fusion de données
Mission
Supervision
Planification
Actions
•
12
Décision : choix d’une modélisation hiérarchique dynamique des
actions par Hierarchical Task Network HTN
Présentation du PEA Action
6
Démonstration scientifique du scénario I
•
Le 25/10/12, sur le camp militaire de Caylus
•
•
•
•
Mission nominale avec rendez-vous
Mission avec aléas : AGV bloqué, AGV perdu
coopération des véhicules pour assurer
le contrôle de la zone
Simulation hybride : AGV réel, AAV simulé
http://action.onera.fr/demonstrations/
Présentation du PEA Action
13
Synthèse fin 2013
•
Avancées scientifiques
•
•
•
•
•
•
•
•
30 publications
3 thèses soutenues
Une architecture générique pour la coopération de véhicules autonomes
Une formalisation de la connaissance solide (KOPER)
Un superviseur robuste (HiDDeN)
Un planificateur multidrone prenant en compte les contraintes temporelles
Des travaux en cours sur un planificateur hiérarchique dans l’espace des
plans
2014 : des démonstrations prévues pour les coopérations
{1AAV + 2AGV}, {1AAV + 1AUV}, {1AAV + 1AUV + 1ASV},
{2AAV + 2AGV}
Présentation du PEA Action
7