PEA Action - 2007 / 2015
Transcription
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