Apprentissage de plans de manœuvres off-road pour véhicules autonomes
27/05/2021 à 16h00
M. Kévin OSANLOU présente ses travaux en soutenance le 27/05/2021 à 16h00
À l'adresse suivante : En visio conférence
En vue de l'obtention du diplôme : Doctorat en Informatique
La soutenance est publique
Titre des travaux
Apprentissage de plans de manœuvres off-road pour véhicules autonomes
École doctorale
École doctorale Dauphine SDOSE
Équipe de recherche
Laboratoire d’Analyse et de Modélisation de Systèmes d’Aide à la Décision
Section CNU
27 - Informatique
Directeur(s)
M. Tristan CAZENAVE et M. Eric JACOPIN
Membres du jury
| Nom | Qualité | Établissement | Rôle |
|---|---|---|---|
| M. Tristan CAZENAVE | Professeur des universités | UNIVERSITE PARIS DAUPHINE - PS | Directeur de thèse |
| M. Eric JACOPIN | Enseignant-chercheur | CREC Saint-cyr | Co-directeur de thèse |
| Mme Aurélie BEYNIER | Maître de conférences | Sorbonne Université | Rapporteure |
| M. Ludovic DENOYER | Professeur des universités | Sorbonne Université - Détaché Facebook France | Rapporteur |
| M. Rachid ALAMI | Directeur de recherche | LAAS - CNRS | Examinateur |
| M. François CHARPILLET | Directeur de recherche | LORIA - INRIA | Examinateur |
| M. Christophe GUETTIER | Directeur de recherche | SAFRAN | Examinateur |
| M. Jeremy FRANK | Research Lead | P&S Scheduling Group - NASA Ames Research Center | Examinateur |
Résumé
Cette thèse étudie l'apport que peut présenter l'apprentissage automatique pour des tâches de planification dans le cadre de véhicules autonomes en situation off-road. Nous nous intéressons plus particulièrement à des problèmes de planification d'itinéraire sous contraintes, ainsi que de calcul de stratégies d'exécution de manoeuvres synchronisées avec d'autres véhicules. Nous présentons une série d'heuristiques basées sur de l'apprentissage ayant pour but d'aider des planificateurs d'itinéraire. Nous montrons que ces heuristiques permettent un gain significatif de performance pour des planificateurs optimaux. Nous montrons également dans le cas de la planification approximative un gain qui ne se limite pas à la performance uniquement mais s'étend également à la qualité de l'itinéraire trouvé, ce dernier étant presque toujours meilleur. Enfin, afin de calculer des stratégies d'exécution de manoeuvres synchronisées, nous proposons une nouvelle forme de contrôlabilité dynamique de planification ainsi qu'un algorithme assisté par apprentissage. La technique proposée permet une nette amélioration sur des benchmarks connus dans cette forme de contrôlabilité vis à vis des travaux de l'état de l'art qui portent sur une forme de contrôlabilité analogue. Elle permet aussi de trouver des stratégies pour des problèmes de planification difficiles que les travaux précédents ne peuvent résoudre.