Modelisation autonome de l'environnement par un robot mobile
Philippe Moutarlier
- Year
- 1991
- Citations
- 4
Abstract
L'autnomie d'un robot mobile repose, en partie, sur sa capacite a se construire une representation du monde qui l'entoure. Inversement, la construction autonome d'une representation de l'environnement necessite la gestion des capacites perceptuelles du robot afin d'etablir son plan de perception et de controler ses deplacements pour le realiser. Les fonctions de modelisation d'une representation surfacique probabiliste, d'un modele incrementable de l'espace libre et des interpretations topologiques necessaires a la gestion de l'incertitude, au choix autonome de points de vue interessants ainsi qu'a la generation de chemins pour s'y rendre sont presentes dans le cadre d'un gestionnaire de modele geometrique integre nomme yaka. Nous detaillons la construction de chacun de ces modeles. Du fait de la centralisation par le robot des donnees concernant son environnement, une correlation spatio-temporelle forte des incertitudes rendant caduquent les methodes classiques d'estimation de donnees bruitees nous a conduit a une autre derivation d'un estimateur lineaire a variance minimale adapte a ce type de probleme. Ce formalisme est ensuite valide par de nombreuses experimentations dans le cadre de la construction incrementale du modele surfacique de la scene. L'espace libre ne peut malheureusement pas etre deduit a tout instant de l'information surfacique fournie directement par les capteurs. Sa construction devra, de facon incrementale, prendre en compte tout a la fois l'imprecision sur les surfaces des objets qui le delimitent, l'incertitude sur la perceptibilite des objets par le capteur employe et la mobilite de certains obstacles. Sur la base du modele de l'espace libre incertain qui l'entoure, le robot pourra ensuite planifier sa perception et ses deplacements a l'aide de graphes topologiques lui permettant l'acquisition autonome de sa connaissance
Keywords
Related papers
Artificial intelligence: a modern approach
1995
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham +17 more
2016
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller +1 more
2013