On Feedback Speed Control for a Planar Tracking

Ce papier propose une nouvelle loi de commande de vitesse par rétroaction couplée à une stratégie de cap constant pour maintenir une formation côte à côte entre un leader et un suiveur, en démontrant la stabilité asymptotique du système et sa capacité à suivre des trajectoires périodiques, même en l'absence d'information directe sur la direction du leader, tout en validant l'approche par simulations et expériences robotiques avant de l'étendre à des réseaux d'agents multiples.

L'essentiel

Imaginez deux amis qui marchent côte à côte dans un parc. L'un d'eux (le leader) décide de la direction et de la vitesse, tandis que l'autre (le follower) doit s'adapter pour rester exactement à sa droite, à une distance précise, comme s'ils étaient liés par un fil invisible de 50 centimètres.

C'est le cœur de ce papier de recherche : comment faire en sorte que le deuxième ami reste parfaitement aligné, même si le premier tourne brusquement, s'arrête ou accélère ?

Voici l'explication de leur découverte, sans jargon technique, avec quelques images pour aider à visualiser.

1. Le problème : Ne pas juste courir après, mais "glisser" à côté

Dans la nature, les oiseaux en vol ou les poissons en banc ne se contentent pas de courir après le leader. Ils ajustent à la fois leur direction et leur vitesse.

• L'ancienne façon de faire : La plupart des robots essayaient seulement de tourner la tête pour regarder le leader (comme un chien qui suit son maître). Mais si le maître tourne vite, le chien se retrouve en arrière ou trop loin.
• La nouvelle idée : Il faut aussi jouer sur les pédales (la vitesse). Si le leader tourne, le follower doit accélérer ou ralentir pour rester exactement à sa hauteur, comme un danseur qui ajuste ses pas pour rester face à son partenaire.

2. La solution magique : La "Boussole Invisible" et le "Rythme"

Les chercheurs ont inventé une formule mathématique (une loi de contrôle) qui combine deux choses :

• La Boussole (Direction) : Le follower utilise une stratégie appelée "cap constant". Au lieu de viser directement le leader (ce qui ferait qu'ils finiraient par se percuter), il vise un point imaginaire situé toujours à 90 degrés à droite du leader. C'est comme si le follower disait : "Je ne vais pas vers toi, je vais garder un angle fixe par rapport à toi."
• Le Rythme (Vitesse) : C'est la grande nouveauté. Le follower ajuste sa vitesse en temps réel.
  • Si le leader tourne à gauche, le follower doit accélérer pour ne pas se faire dépasser.
  • Si le leader ralentit, le follower doit freiner pour ne pas le percuter.

3. Les deux scénarios de la vie réelle

Les chercheurs ont testé deux situations, comme dans un jeu vidéo :

Scénario A : Le leader est un "super-héros" (Tout est connu)
Le follower sait exactement ce que le leader va faire à la seconde près (sa vitesse, son angle de virage).

• Résultat : C'est la perfection. Le follower s'aligne instantanément et reste parfaitement stable, comme un aimant attiré par un point précis.

Scénario B : Le leader est un "inconnu" (On ne sait pas ce qu'il va faire)
C'est le cas le plus réaliste. Le follower ne voit que la position du leader, mais ne connaît pas ses intentions futures. Il doit deviner.

• Résultat : Le follower ne reste pas parfaitement immobile, il oscille un peu. Mais c'est stable ! Si le leader tourne en rond, le follower finit par tourner en rond avec lui, à la même vitesse. C'est comme si le follower apprenait à danser sur la même musique que le leader, même s'il ne connaît pas la chanson à l'avance.

4. L'expérience avec les robots

Pour prouver que ce n'est pas juste de la théorie, ils ont utilisé de vrais petits robots (des TurtleBots).

• Ils ont programmé le leader pour qu'il fasse des virages imprévisibles.
• Le follower, sans connaître ces virages à l'avance, a réussi à rester à sa droite, en ajustant sa vitesse comme un coureur de marathon qui s'adapte au terrain.

5. L'extension : La chaîne humaine

Le plus cool, c'est qu'ils ont étendu cela à une chaîne de 5 robots.

• Le premier robot est le chef.
• Le deuxième suit le premier.
• Le troisième suit le deuxième, et ainsi de suite.

Quand le chef fait un mouvement brusque (comme un coup de fouet), l'information se propage le long de la chaîne. Les robots du milieu doivent accélérer ou freiner violemment pour garder la formation. Cela crée une vague qui traverse le groupe, exactement comme on le voit dans les bancs de poissons ou les vols d'oiseaux quand ils évitent un prédateur.

En résumé

Ce papier nous dit que pour qu'un groupe reste ensemble et se déplace de manière fluide, il ne suffit pas de regarder son voisin. Il faut aussi ajuster son propre rythme (vitesse) en fonction de ce que fait le voisin. C'est cette combinaison de "regarder" et "d'ajuster sa vitesse" qui permet de créer ces mouvements gracieux et coordonnés que l'on admire dans la nature, et que nous pouvons maintenant reproduire avec des robots.

Résumé technique

1. Problématique

L'article aborde le problème de suivi plan entre un agent « leader » et un agent « suiveur » dans un système multi-agents. L'objectif spécifique est de maintenir une formation « côte-à-côte » (abreast), où les deux agents se déplacent parallèlement l'un à l'autre avec une distance relative fixe ($\rho_0$) et des angles de portance spécifiques ($\alpha_1 = -\pi/2$, $\alpha_2 = \pi/2$).

Contrairement à la majorité des travaux existants qui se concentrent principalement sur le contrôle de la direction (steering), cet article met l'accent sur le contrôle de la vitesse du suiveur comme levier principal pour maintenir la formation. Les agents sont modélisés comme des unicycles plans (modèle non holonome). Le défi réside dans la stabilité du système lorsque le suiveur doit réagir aux manœuvres du leader, que ce soit avec une connaissance complète ou partielle des commandes du leader.

2. Méthodologie

Modélisation :

• Les agents sont décrits par leur position $r_i$, leur vecteur tangent $x_i$ (cap) et leur vecteur normal $y_i$.
• La dynamique est analysée via des variables de forme : la distance relative $\rho$ et les angles de portance relatifs $\alpha_1$ et $\alpha_2$.
• Les équations de dynamique de forme (3) décrivent l'évolution de la géométrie de la formation en fonction des vitesses linéaires ($v$) et angulaires ($u$).

Stratégie de Contrôle :
Les auteurs proposent une loi de commande en cascade combinant :

1. Contrôle de direction (Steering) : Une stratégie de portance constante (Constant Bearing - CB). Le suiveur ajuste son angle de direction $u_2$ pour maintenir un angle de portance $\alpha_2$ constant (tendant vers $\pi/2$), plutôt que de poursuivre directement le leader (ce qui mènerait à $\alpha_2 \to 0$).
   • Loi : $u_2 = -\mu_2 \cos \alpha_2 + \frac{1}{\rho}(v_1 \sin \alpha_1 + v_2 \sin \alpha_2)$.
2. Contrôle de vitesse (Speed) : Une loi de rétroaction pour la vitesse $v_2$ du suiveur, conçue pour stabiliser la distance $\rho$ et l'angle $\alpha_1$.
   • Cas idéal (Connaissance complète) : Le suiveur connaît la vitesse $v_1$ et la direction $u_1$ du leader. Une loi de contrôle $v_2$ est dérivée pour assurer la stabilité asymptotique du point d'équilibre.
   • Cas réaliste (Indépendance du leader) : Lorsque $u_1$ (la commande de direction du leader) n'est pas connue, le suiveur utilise une loi modifiée excluant ce terme. Le système est alors traité comme un système non autonome avec $u_1$ comme perturbation.

Analyse de Stabilité :

• Stabilité Asymptotique : Prouvée lorsque le leader est connu.
• Stabilité Entrée-État (ISS) : Prouvée lorsque le leader est inconnu. Cela garantit que l'erreur de formation reste bornée et converge vers zéro si le leader revient à une trajectoire rectiligne.
• Convergence Périodique : Si la direction du leader est une fonction périodique, le suiveur converge asymptotiquement vers une orbite périodique de même période.

3. Contributions Clés

1. Nouvelle loi de contrôle de vitesse : Proposition d'une loi de rétroaction de vitesse couplée à une stratégie de portance constante, démontrant que la modulation de vitesse est cruciale pour le maintien de la formation « côte-à-côte ».
2. Robustesse face à l'incertitude : Démonstration théorique que le système reste stable (ISS) même sans connaissance de la commande de direction du leader, ce qui est plus réaliste pour les essaims biologiques ou décentralisés.
3. Analyse des régimes périodiques : Preuve que le système suit les oscillations du leader, convergeant vers une orbite périodique si le leader tourne de manière cyclique.
4. Extension à N agents : Généralisation du cadre à un réseau en chaîne de $N$ agents, illustrant la propagation de l'information directionnelle et les comportements ondulatoires (effet de fouet).

4. Résultats

Les résultats ont été validés par deux approches :

• Simulations Numériques (MATLAB) :

  • Le leader suit une trajectoire avec une vitesse constante et une direction sinusoïdale variable.
  • Cas idéal : Convergence lisse et rapide vers la formation désirée.
  • Cas sans connaissance du leader : Le suiveur maintient la formation avec une erreur bornée et converge vers une orbite périodique correspondant à la période du leader (2 secondes dans l'exemple).

• Implémentation Robotique :

  • Expériences menées avec deux robots mobiles TurtleBot 3 Burger dans un environnement de 2,3m x 2,0m, avec suivi de mouvement (OptiTrack).
  • Le leader exécute une manœuvre sinusoïdale. Le suiveur, utilisant la loi de contrôle indépendante du leader, parvient à suivre la trajectoire et à maintenir la formation côte-à-côte, confirmant la robustesse théorique en conditions réelles.

• Extension N-agents :

  • Simulation d'une chaîne de 5 agents. Une impulsion de direction donnée au leader se propage le long de la chaîne. Les agents externes atteignent leur vitesse maximale pour maintenir la formation, générant un mouvement de type « fouet » ou onde, similaire aux comportements observés dans les bancs de poissons ou les vols d'oiseaux.

5. Signification et Impact

Cet article est significatif car il comble un vide dans la littérature sur le contrôle de formation en mettant l'accent sur la régulation de la vitesse plutôt que sur la seule direction.

• Biologie et Ingénierie : Les résultats offrent un modèle mathématique plausible pour expliquer comment les collectifs biologiques (oiseaux, poissons) maintiennent leur cohésion spatiale en ajustant leur vitesse en réponse aux voisins, même sans communication globale parfaite.
• Robustesse : La preuve de stabilité ISS est cruciale pour les applications robotiques réelles où les capteurs sont bruyants et où l'information sur les intentions des autres agents est souvent incomplète.
• Évolutivité : L'extension à un réseau en chaîne démontre la capacité de l'approche à gérer la propagation d'informations dans de grands essaims, ouvrant la voie à des algorithmes de contrôle distribués pour des formations complexes.

En résumé, l'article établit que le contrôle de vitesse, couplé à une stratégie de portance constante, est une méthode efficace, robuste et biologiquement plausible pour le maintien de formations dynamiques en temps réel.