Tracer une voie sûre dans un environnement très incertain —

Avec tant d’incertitude, comment le vaisseau spatial peut-il tracer une trajectoire qui l’empêchera d’être écrasé par un obstacle se déplaçant au hasard ou dérouté par des vents violents et soudains ?

Des chercheurs du MIT ont développé une technique qui pourrait aider ce vaisseau spatial à atterrir en toute sécurité. Leur approche peut permettre à un véhicule autonome de tracer une trajectoire de sécurité prouvée dans des situations très incertaines où il existe de multiples incertitudes concernant les conditions environnementales et les objets avec lesquels le véhicule pourrait entrer en collision.

La technique pourrait aider un véhicule à trouver une trajectoire sûre autour d’obstacles qui se déplacent de manière aléatoire et changent de forme avec le temps. Il trace une trajectoire sûre vers une région ciblée même lorsque le point de départ du véhicule n’est pas connu avec précision et lorsqu’il n’est pas clair exactement comment le véhicule se déplacera en raison de perturbations environnementales telles que le vent, les courants océaniques ou un terrain accidenté.

Il s’agit de la première technique permettant de résoudre le problème de la planification de trajectoire avec de nombreuses incertitudes simultanées et des contraintes de sécurité complexes, explique le co-auteur principal Weiqiao Han, étudiant diplômé au Département de génie électrique et informatique et au Laboratoire d’informatique et d’intelligence artificielle ( CSAIL).

“Les futures missions spatiales robotiques ont besoin d’une autonomie consciente des risques pour explorer des mondes éloignés et extrêmes pour lesquels seules des connaissances préalables très incertaines existent. Pour y parvenir, les algorithmes de planification de trajectoire doivent raisonner sur les incertitudes et traiter des modèles incertains complexes et des contraintes de sécurité, ” ajoute le co-auteur principal Ashkan Jasour, un ancien chercheur du CSAIL qui travaille maintenant sur des systèmes robotiques au Jet Propulsion Laboratory de la NASA.

Rejoindre Han et Jasour sur le papier est l’auteur principal Brian Williams, professeur d’aéronautique et d’astronautique et membre de CSAIL. La recherche sera présentée à la Conférence internationale de l’IEEE sur la robotique et l’automatisation et a été nominée pour le prix de l’article exceptionnel.

Éviter les hypothèses

Parce que ce problème de planification de trajectoire est si complexe, d’autres méthodes pour trouver un chemin sûr à suivre font des hypothèses sur le véhicule, les obstacles et l’environnement. Ces méthodes sont trop simplistes pour être appliquées dans la plupart des contextes du monde réel, et elles ne peuvent donc pas garantir que leurs trajectoires sont sûres en présence de contraintes de sécurité complexes et incertaines, explique Jasour.

“Cette incertitude pourrait provenir du caractère aléatoire de la nature ou même de l’imprécision du système de perception du véhicule autonome”, ajoute Han.

Au lieu de deviner les conditions environnementales exactes et les emplacements des obstacles, l’algorithme qu’ils ont développé raisonne sur la probabilité d’observer différentes conditions environnementales et obstacles à différents endroits. Il effectuerait ces calculs à l’aide d’une carte ou d’images de l’environnement provenant du système de perception du robot.

En utilisant cette approche, leurs algorithmes formulent la planification de trajectoire comme un problème d’optimisation probabiliste. Il s’agit d’un cadre de programmation mathématique qui permet au robot d’atteindre des objectifs de planification, tels que maximiser la vitesse ou minimiser la consommation de carburant, tout en tenant compte des contraintes de sécurité, telles que l’évitement des obstacles. Les algorithmes probabilistes qu’ils ont développés raisonnent sur le risque, qui est la probabilité de ne pas atteindre ces contraintes de sécurité et ces objectifs de planification, explique Jasour.

Mais parce que le problème implique différents modèles et contraintes incertains, de l’emplacement et de la forme de chaque obstacle à l’emplacement de départ et au comportement du robot, cette optimisation probabiliste est trop complexe pour être résolue avec des méthodes standard. Les chercheurs ont utilisé des statistiques d’ordre supérieur des distributions de probabilité des incertitudes pour convertir cette optimisation probabiliste en un problème d’optimisation déterministe plus direct et plus simple qui peut être résolu efficacement avec des solveurs disponibles sur le marché.

“Notre défi consistait à réduire la taille de l’optimisation et à tenir compte de contraintes plus pratiques pour que cela fonctionne. Passer d’une bonne théorie à une bonne application a demandé beaucoup d’efforts”, explique Jasour.

Le solveur d’optimisation génère une trajectoire limitée par le risque, ce qui signifie que si le robot suit la trajectoire, la probabilité qu’il entre en collision avec un obstacle n’est pas supérieure à un certain seuil, comme 1 %. À partir de là, ils obtiennent une séquence d’entrées de commande qui peuvent diriger le véhicule en toute sécurité vers sa région cible.

Cours de cartographie

Ils ont évalué la technique à l’aide de plusieurs scénarios de navigation simulés. Dans l’un, ils ont modélisé un véhicule sous-marin traçant un parcours à partir d’une position incertaine, autour d’un certain nombre d’obstacles aux formes étranges, jusqu’à une région cible. Il a pu atteindre l’objectif en toute sécurité au moins 99% du temps. Ils l’ont également utilisé pour cartographier une trajectoire sûre pour un véhicule aérien qui a évité plusieurs objets volants 3D qui ont des tailles et des positions incertaines et qui pourraient se déplacer dans le temps, tout en présence de vents forts qui ont affecté son mouvement. En utilisant leur système, l’avion a atteint sa région cible avec une forte probabilité.

Selon la complexité de l’environnement, les algorithmes ont mis entre quelques secondes et quelques minutes pour développer une trajectoire sûre.

Les chercheurs travaillent maintenant sur des processus plus efficaces qui réduiraient considérablement le temps d’exécution, ce qui pourrait leur permettre de se rapprocher des scénarios de planification en temps réel, explique Jasour.

Han développe également des contrôleurs de rétroaction à appliquer au système, ce qui aiderait le véhicule à rester plus près de sa trajectoire prévue même s’il s’écarte parfois de la trajectoire optimale. Il travaille également sur une implémentation matérielle qui permettrait aux chercheurs de démontrer leur technique dans un vrai robot.

Cette recherche a été soutenue, en partie, par Boeing.