Invesion des modeles geometrique et cinematique d'un robot redondant : une solution neuronale adaptative

Abstract

Nous proposons une nouvelle contribution neuronale pour resoudre les problemes d'inversion du modele geometrique d'un robot redondant soumis a un ensemble de criteres et contraintes. Les solutions classiques sont difficiles a mettre en uvre dans un environnement reel et posent de nombreux problemes de temps de convergence et, eventuellement, d'instabilite. Dans un premier temps, une etude des methodes deja existantes nous a conduit a realiser et simuler une nouvelle architecture a base de rn statique pour un apprentissage hors ligne des modeles. Une analyse des premiers resultats nous a incites alors a developper un algorithme en ligne a base de reseau de neurones adaptatif ou le nombre d'iterations est reduit. La methode proposee a prouve ses performances pour la resolution des differents modeles. Notre algorithme s'applique a tout critere et / ou contrainte egalite et inegalite. Elle permet l'inversion du modele geometrique d'un robot redondant pour qu'il suive une trajectoire cartesienne tout en evitant des obstacles fixes ou mobiles.