Adaptive Nonlinear Control with Online Identification and Receding-Horizon Optimization

Le contrôle d'une machine qui se déplace dans le monde physique est une négociation constante entre ce que la machine est censée faire et ce qu'elle fait réellement. Dans le monde idéal des manuels d'ingénierie, le comportement d'un robot est parfaitement prévisible : vous lui donnez une commande, et il se déplace exactement comme les mathématiques le prévoient. Mais en réalité, les machines sont désordonnées. Leurs pièces s'usent, leur poids change à mesure qu'elles consomment du carburant, et l'air contre lequel elles poussent se comporte de manières difficiles à cerner. De plus, les capteurs qui indiquent à un robot où il se trouve ne sont jamais parfaits ; ils sont toujours légèrement bruités. Le défi central pour les ingénieurs est de construire un système de contrôle capable de gérer ce désordre en temps réel. Il doit comprendre la véritable nature de la machine pendant qu'elle est en mouvement, prédire où elle ira ensuite, et ajuster ses commandes instantanément pour rester sur la bonne trajectoire, le tout sans attendre l'intervention d'un humain ou l'arrêt de la machine.

C'est le problème abordé par une nouvelle approche appelée AMIGO, développée par le chercheur Igor Ladnik. Le système est conçu pour guider des machines complexes, telles que des drones ou des engins spatiaux, en combinant trois activités distinctes qui se déroulent selon un ordre spécifique. Premièrement, le système écoute la machine pour apprendre ses caractéristiques réelles. Deuxièmement, il utilise cette nouvelle connaissance pour tracer une trajectoire à long terme vers une destination. Troisièmement, il exécute cette trajectoire tout en effectuant constamment de petites corrections rapides pour gérer les chocs ou les erreurs imprévus. La méthode a été testée en simulations sur trois machines très différentes : un modèle mathématique d'un système vibrant, un drone quadricoptère et un engin spatial tentant de se poser sur la Lune. Dans chaque cas, le système a réussi à identifier les propriétés physiques réelles de la machine, a calculé une trajectoire sûre et a guidé le véhicule vers un arrêt stable, même lorsque le comportement réel de la machine différait considérablement des hypothèses initiales.

Le cœur de ce travail est une méthode pour apprendre à un ordinateur à connaître une machine alors qu'elle est déjà en mouvement. Imaginez un vaisseau spatial descendant vers une surface lunaire. Les ingénieurs qui l'ont construit ont une meilleure estimation de son poids et de la poussée produite par son moteur. Mais à mesure que le carburant brûle, l'engin devient plus léger, et le moteur peut ne pas être parfaitement efficace. Si l'ordinateur contrôlant la descente se repose uniquement sur les estimations originales, il pourrait mal calculer le freinage nécessaire et s'écraser. AMIGO résout cela en dédiant une période initiale de vol à l'« écoute ». Durant cette phase, la machine se déplace sous un contrôle sûr et régulier pendant que l'ordinateur observe sa réaction. En comparant les mouvements réels de la machine avec ce que le modèle de l'ordinateur prédisait, le système utilise une technique mathématique pour affiner sa compréhension du poids de la machine et de la puissance du moteur. Dans la simulation de l'atterrissage lunaire, ce processus a permis à l'ordinateur d'identifier l'efficacité du moteur avec une erreur de moins d'un dixième de pour cent, apprenant ainsi efficacement la véritable nature du vaisseau spatial avant même le début de la phase critique de l'atterrissage.

Une fois que le système possède un modèle fiable de la machine, il passe à la phase de planification. Ici, l'ordinateur ne se contente pas de réagir au moment présent ; il regarde loin dans le futur. Il calcule une trajectoire complète, une longue liste de commandes qui guideront la machine de sa position actuelle jusqu'à un atterrissage sûr. Il ne s'agit pas d'une simple ligne droite ; c'est un chemin complexe qui tient compte du changement de poids de la machine et de la nécessité de ralentir en douceur. L'ordinateur résout ce problème en travaillant à rebours à partir de l'objectif. Il demande : « Pour être à l'endroit parfait à la fin, où dois-je être un instant avant cela ? Et où un instant avant cela ? » En répétant cette logique, il construit un plan détaillé qui équilibre la nécessité d'atteindre la cible et celle d'utiliser le moins de carburant et d'effort possible. Dans l'exemple lunaire, cette phase de planification a pris environ dix secondes de temps de calcul pour générer un chemin qui amènerait l'engin d'une altitude de 800 mètres jusqu'à la surface, en tenant compte de la gravité de la Lune et de la masse changeante de l'appareil.

La phase finale est celle où la machine vole réellement, guidée par le plan mais prête à s'adapter. C'est là que le système brille le plus intensément. L'ordinateur ne se contente pas de suivre le chemin précalculé comme un train sur des rails. Au contraire, il réévalue constamment la situation. Chaque fraction de seconde, il regarde où la machine se trouve réellement, la compare à l'endroit où le plan prévoyait qu'elle devrait être, et calcule une petite correction. Si une rafale de vent pousse le drone hors de sa trajectoire, ou si le moteur se comporte légèrement différemment de ce qui était attendu, le système calcule instantanément un nouvel ajustement à court terme pour revenir sur la bonne voie. Cela se produit si rapidement que la machine ne s'écarte jamais vraiment de sa trajectoire prévue. Dans la simulation du quadricoptère, qui devait se stabiliser alors que son poids et son équilibre étaient inconnus, le système a identifié les propriétés physiques correctes et a ensuite maintenu le drone stable, corrigeant son inclinaison et sa position en continu jusqu'à ce qu'il atteigne un vol stationnaire.

La force de cette approche réside dans la manière dont elle gère les limites de la machine elle-même. Les moteurs réels ne peuvent pas pousser avec une force infinie, et ils ne peuvent pas changer leur puissance instantanément ; ils ont des limites physiques sur la force qu'ils peuvent exercer et sur la rapidité avec laquelle ils peuvent modifier cette force. De nombreux systèmes de contrôle ignorent ces limites ou tentent d'y remédier après coup, ce qui peut conduire à l'instabilité. AMIGO intègre ces limites directement dans le processus de planification. Lorsque l'ordinateur calcule la trajectoire, il sait exactement quelle force le moteur peut produire et à quelle vitesse il peut la modifier. Si une manœuvre nécessite plus de force que ce que le moteur peut fournir, le système ajuste automatiquement le plan pour rester dans des limites sûres. Dans le scénario de l'atterrissage lunaire, le système a géré la poussée du moteur principal et les plus petits moteurs de contrôle d'attitude pour s'assurer que l'engin ne demandait jamais plus que ce que le matériel pouvait délivrer, garantissant une descente fluide et sûre.

Les résultats de ces simulations montrent que le système est suffisamment robuste pour gérer une incertitude significative. Dans le cas du quadricoptère, l'ordinateur a commencé avec des estimations erronées de la masse du drone et de la répartition de son poids. Les estimations initiales étaient sensiblement faussées, pourtant la phase d'identification a rapidement corrigé ces erreurs. Au moment où le drone a commencé sa routine de stabilisation, l'ordinateur connaissait les véritables propriétés physiques du drone avec une grande précision. L'atterrissage final de la simulation du module lunaire a démontré la capacité du système à gérer une descente longue et complexe. L'engin a commencé à 800 mètres au-dessus de la surface avec une vitesse et une orientation spécifiques. Tout au long de la descente, le système a identifié l'efficacité du moteur, a planifié une trajectoire tenant compte de la consommation de carburant et a exécuté un atterrissage en douceur. L'engin a touché le sol avec une vitesse verticale de moins de 6 centimètres par seconde, une arrivée douce qui serait sûre pour une mission réelle.

Ce qui rend ce travail particulièrement remarquable, c'est qu'il ne nécessite pas que la machine s'arrête ou fasse une pause pour apprendre. L'identification, la planification et le contrôle se produisent dans une boucle continue pendant que la machine est en mouvement. Le système est conçu pour fonctionner dans les limites de temps strictes d'un ordinateur réel. Il sait qu'il ne peut pas passer un temps infini à calculer le chemin parfait ; il doit produire une réponse « assez bonne » avant que l'instant suivant n'arrive. Si l'ordinateur manque de temps, il utilise simplement le meilleur plan qu'il a calculé jusqu'à présent, garantissant que la machine ne perde jamais le contrôle. Cet équilibre entre apprentissage, planification et action permet au système de s'adapter au monde réel, où les conditions ne sont jamais statiques et où l'information parfaite n'est jamais disponible.

L'article conclut que cette méthode fournit une base solide pour guider des machines autonomes dans des environnements difficiles. Elle a démontré avec succès qu'un système unique pouvait apprendre la véritable nature d'une machine, planifier une trajectoire complexe et exécuter ce plan avec des corrections précises, tout en respectant les limites physiques du matériel. Les simulations ont couvert un éventail de défis, allant d'un simple système vibrant à un atterrissage d'engin spatial complexe sur un autre monde. Bien que le travail ait été réalisé en simulation, les résultats suggèrent que l'approche est viable pour des applications réelles où la sécurité et l'adaptabilité sont primordiales. La prochaine étape de cette recherche consistera à tester le système sur du matériel réel et à explorer comment il pourrait gérer des incertitudes encore plus complexes, telles que des changements soudains dans l'environnement ou des défaillances des capteurs de la machine. Pour l'instant, ce travail constitue une démonstration de la façon dont une machine peut apprendre à voler par elle-même, non pas en suivant un script rigide, mais en comprenant sa propre nature et en s'adaptant au monde qui l'entoure.