Smoothed-PRM-Guided NMPC for Wheeled Mobile Robot Navigation in an Indoor Environment

Imaginez un robot essayant de trouver son chemin à travers une pièce encombrée remplie de meubles, de piliers et de couloirs étroits. Pour un humain, il s'agit d'une tâche simple consistant à contourner des obstacles, mais pour une machine, c'est un casse-tête complexe de géométrie et de physique. Le robot doit d'abord déterminer un itinéraire qui évite de heurter quoi que ce soit, une tâche souvent gérée par des algorithmes qui échantillonnent l'espace de manière aléatoire pour construire une carte de passages sûrs. Cependant, ces itinéraires générés par ordinateur sont souvent dentelés et remplis de virages brusques et impossibles qu'un véritable véhicule à roues ne peut physiquement effectuer. Si un robot tente de suivre un chemin aussi irrégulier, il pourrait pivoter sur lui-même, donner des coups brusques ou simplement s'écraser. Pour se déplacer en toute sécurité, la machine a besoin d'un chemin qui soit non seulement exempt d'obstacles, mais aussi suffisamment fluide pour que ses roues puissent le suivre, et elle a besoin d'un cerveau capable d'ajuster constamment sa vitesse et sa direction pour rester sur cette ligne fluide sans dévier ni caler.

C'est le défi relevé par une équipe de chercheurs de l'Université King Saud, qui a développé une nouvelle méthode pour guider des robots mobiles à roues à travers des environnements intérieurs encombrés. Leur travail combine deux approches distinctes : un système de planification qui trouve un itinéraire sûr et un système de contrôle qui garantit que le robot suit cet itinéraire de manière fluide et sécurisée. Les chercheurs ont commencé avec un outil de planification standard connu sous le nom de carte routière probabiliste (probabilistic roadmap). Cet outil fonctionne en dispersant des milliers de points aléatoires dans l'espace vide d'une carte, en reliant les points qui sont proches les uns des autres, puis en cherchant une chaîne de connexions qui mène du point de départ à la destination. Bien que cette méthode soit excellente pour trouver un chemin qui évite les obstacles, l'itinéraire qui en résulte est souvent une série de lignes droites reliées par des angles aigus. Un robot à roues, qui ne peut pas glisser latéralement comme une voiture sur un parking, ne peut pas exécuter ces changements de direction soudains sans violer ses limites physiques.

Pour résoudre cela, l'équipe a introduit une étape de lissage avant même que le robot ne commence à bouger. Ils ont pris le chemin dentelé généré par l'ordinateur et l'ont affiné à l'aide d'une technique mathématique appelée lissage par B-spline. Ce processus remplace les coins tranchants par des courbes douces et continues, créant une trajectoire qui respecte la nature non holonome du robot — ce qui signifie qu'il tient compte du fait que le robot ne peut que avancer ou tourner, et jamais se déplacer latéralement. Ce chemin lissé sert de guide précis, mais le suivre parfaitement reste difficile car le robot doit réagir à sa propre inertie et aux limites de ses moteurs. Si le robot se déplace trop vite ou tourne trop brusquement, il pourrait perdre le contrôle. Par conséquent, les chercheurs ont associé ce chemin lissé à un contrôleur sophistiqué appelé commande prédictive de modèle non linéaire (nonlinear model predictive control). Ce contrôleur agit comme un conducteur extrêmement attentif qui regarde constamment devant lui, prédit où le robot sera dans les prochaines secondes et calcule la quantité exacte de vitesse et de direction nécessaire pour rester sur la courbe prévue tout en respectant les limites de vitesse et de rotation maximale du robot.

Les chercheurs ont testé ce système combiné dans une série de simulations informatiques utilisant des cartes d'environnements intérieurs remplis d'obstacles irréguliers. Dans un scénario, ils ont créé un espace de cinquante mètres sur cinquante mètres avec des couloirs étroits et des obstacles éparpillés. Ils ont programmé un robot d'un rayon de 0,4 mètre pour voyager d'un point de départ vers un objectif, nécessitant qu'il navigue à travers des espaces restreints. Le système a d'abord généré un chemin grossier à l'aide de la carte routière probabiliste, ce qui a produit un itinéraire avec des virages serrés. Ils ont ensuite appliqué l'algorithme de lissage pour créer une courbe fluide. Enfin, le contrôleur prédictif a pris le relais, guidant le robot le long de ce nouveau chemin lissé. Les simulations ont montré que le robot suivait la trajectoire lissée avec une grande précision, maintenant une distance de sécurité par rapport aux obstacles et arrivant à l'objectif avec l'orientation correcte. Les signaux de commande envoyés aux roues du robot restaient dans des limites sûres et réalistes, prouvant que la méthode pouvait générer des mouvements dynamiquement réalisables.

Lorsque les chercheurs ont comparé leur méthode à d'autres approches existantes, les résultats ont souligné l'importance de lisser le chemin avant de tenter de le suivre. Dans les tests où le robot tentait de suivre le chemin original, non lissé, avec des coins brusques, le contrôleur avait du mal. Le robot manquait soit des points de passage, soit devait effectuer des mouvements extrêmes et saccadés qui poussaient ses moteurs à leurs limites. En revanche, en suivant le chemin lissé, le robot se déplaçait de manière fluide et efficace. L'équipe a également comparé leurs résultats à une étude utilisant une méthode de suivi différente sur une carte complexe. Leur approche a obtenu une efficacité de trajectoire plus élevée, ce qui signifie que le robot a parcouru une distance beaucoup plus proche de la distance en ligne droite entre le départ et l'arrivée, alors que l'autre méthode résultait en un itinéraire plus long et moins direct. L'étude a confirmé qu'en séparant le problème en la planification d'un itinéraire sûr, son lissage pour la faisabilité physique, puis l'utilisation d'un contrôleur prédictif pour le suivre, le robot pouvait naviguer dans des espaces encombrés de manière fiable.

Malgré ces succès, les chercheurs ont noté une limitation spécifique dans leur travail actuel. L'évitement d'obstacles était géré entièrement lors des étapes de planification et de lissage, qui interviennent avant que le robot ne commence à bouger. Le contrôleur lui-même n'avait pas de moyen direct d'éviter de nouveaux obstacles qui pourraient apparaître ou si le chemin initial était légèrement trop proche d'un mur. Dans leurs simulations, lorsque les commandes de contrôle étaient rendues très strictes pour empêcher le robot de se déplacer trop vite, le robot échouait parfois à corriger sa trajectoire à temps pour éviter un obstacle, car le chemin sûr était fixé à l'avance. Les auteurs suggèrent que pour que le système soit véritablement robuste dans le monde réel, la capacité d'éviter les obstacles doit être intégrée directement dans les calculs du contrôleur, lui permettant de réagir aux dangers en temps réel plutôt que de se fier uniquement à une carte pré-calculée. Pour l'instant, l'étude constitue une base solide, démontrant qu'en lissant un chemin et en utilisant un contrôleur prédictif, un robot à roues peut se déplacer dans une pièce encombrée avec la grâce et la précision d'un humain traversant une foule.