Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
PLANIFICATION DEMISSIONPOUR UN VEHICULE AERIEN AUTONOME
Soutenance de thèse - 30 septembre 2005 Soutenance de thèse - 30 septembre 2005
Elodie CHANTHERY
Directeurs de thèse Raja Chatila (LAAS/CNRS)
Magali Barbier (ONERA/DCSD)
Co-encadrant Jean-Loup Farges (ONERA/DCSD)
2 - Soutenance de thèse - 30 septembre 2005
||| Plan||| Plan
Introduction
Présentation et formalisation du problème de planification
Résolution algorithmique
Intégration du planificateur dans une architecture embarquée
Tests
Conclusions et perspectives
3 - Soutenance de thèse - 30 septembre 2005
||| Introduction||| Introduction
Contexte : engins autonomes inhabités
REMUS(source: Office of Naval Research)
Rover sur MARS(source : NASA Jet Propulsion Laboratory)
Missions dangereuses, longue durée
Communications limitées
Dates imprévisibles pour les événements affectant la mission
“Aléa : événement pouvant survenir en cours de mission dont la date d’occurrence est imprévisible.”“Aléa : événement pouvant survenir en cours de mission dont la date d’occurrence est imprévisible.”
EAGLE (source: EADS)
4 - Soutenance de thèse - 30 septembre 2005
||| Introduction||| Introduction
Objectifs pour un engin autonome � effectuer au mieux sa mission
� réagir aux aléas mission, environnement et véhicule
Calcul de plans
Planification hors ligne
• Pendant la préparation de mission
• Plan = arbre d’actions
• Prévoir et traiter tous les événements possibles
• Exemple : planification conditionnelle
Planification hors ligne
• Pendant la préparation de mission
• Plan = arbre d’actions
• Prévoir et traiter tous les événements possibles
• Exemple : planification conditionnelle
Planification en ligne
• Pendant l’exécution de la mission
• Plan = séquence d’actions
• Savoir réagir à un événement connu
• Exemples : planification continue, planification sur événements
Planification en ligne
• Pendant l’exécution de la mission
• Plan = séquence d’actions
• Savoir réagir à un événement connu
• Exemples : planification continue, planification sur événements
Objectif de la thèse �Autonomie décisionnelle embarquée
• modèle et méthodes pour la replanification
• intégration dans le système bord
Objectif de la thèse �Autonomie décisionnelle embarquée
• modèle et méthodes pour la replanification
• intégration dans le système bord
Niveau d’autonomie visé : replanification embarquée
5 - Soutenance de thèse - 30 septembre 2005
||| Illustration||| Illustration
Mission militaire d’observation pour un
véhicule aérien autonome
Environnement 3D, dynamique,
incertain et dangereux
Contraintes de mission
objectifs, environnement, véhicule
Fonction de planification embarquée
Sélectionne et ordonne le meilleur sous-ensemble d'objectifs
Détermine la date d’arrivée à chaque point de passage
Maximise sous contraintes les récompenses sur les observations, minimise
les critères sur le danger, la consommation de carburant
Fonction de planification embarquée
Sélectionne et ordonne le meilleur sous-ensemble d'objectifs
Détermine la date d’arrivée à chaque point de passage
Maximise sous contraintes les récompenses sur les observations, minimise
les critères sur le danger, la consommation de carburant
6 - Soutenance de thèse - 30 septembre 2005
||| Plan||| Plan
Introduction
Présentation et formalisation du problème de planification
Résolution algorithmique
Intégration du planificateur dans une architecture embarquée
Tests
Conclusions et perspectives
7 - Soutenance de thèse - 30 septembre 2005
Mission
Séquencer des actions : mouvements, collectes d’information ...
Avec une quantité limitée de ressources : énergie, mémoire, probabilité de survie …
Pour réaliser un ensemble d’objectifs
||| Problème de planification de mission||| Problème de planification de mission
But de la planification
� Choisir les objectifs et les actions pour les réaliserBut de la planification
� Choisir les objectifs et les actions pour les réaliser
Récompenses et contraintes parfois non linéaires par rapport au temps
La solution proposée
Optimise un critère : récompense et coût de réalisation par objectif
Prend en compte les contraintes de temps et de ressources
Quantités physiquesQuantités physiquesQuantités physiquesQuantités physiquesQuantité liée à l’incertitudeQuantité liée à l’incertitudeQuantité liée à l’incertitudeQuantité liée à l’incertitude
8 - Soutenance de thèse - 30 septembre 2005
||| Littérature||| Littérature
Ordonnancement d’objectifs� voyageur de commerce et dérivés (TSP, ITSP) [Laporte et Norbert 1983] [Bouali
1996] [Feillet, dejax & Gendreau 2001]
� course d’orientation [Keller 1989] [Kantor & Rosenwein 1992]
Sélection d’objectifs ex: Hubble [Kramer &Giulianno 1997] ;SOFIA [Frank & Kurklu 2003]; rovers [Smith 2004]
� nombre d’objectifs non fixé a priori
� formalisme état action
� complément intéressant : principe d’abstraction [Galindo et al 2004]
Prise en compte de l’incertitude� PDM, PDMPO [Teichteil & Fabiani 2005] [Schesvold et al 2003]
9 - Soutenance de thèse - 30 septembre 2005
||| Formalisation du problème ||| Formalisation du problème
Nœud de bas niveau : point de passage
Supernœud = nœud de haut niveau : ensemble de nœuds de bas niveau
Idée : tirer partie du principe d’abstraction pour organiser la descriptionIdée : tirer partie du principe d’abstraction pour organiser la description
N ensemble de nœuds
W = {W1, …, We} partition de N
Relation S : S(Wi) sous-ensemble des successeurs de Wi
O1
O2
Réalisation d’un objectif
10 - Soutenance de thèse - 30 septembre 2005
N, W, S
Etat Wk : date tk et ressource rk
Objectif o
Début mission : W1, t1, r1Fin mission : We, te, re, coût des ressources Re(te, re)
Ressources limitées
||| Formalisation du problème ||| Formalisation du problème HAUT NIVEAU HAUT NIVEAU
But Trouver une séquence d’états Wπ(1), …, Wπ(q)
telle que π est une fonction de {1, …, q} dans {1, …, e}
avec π(1) = 1; π(q) = e; Wπ(i+1) ∈S(Wπ(i))
en minimisant J = Re(te, re) -
But Trouver une séquence d’états Wπ(1), …, Wπ(q)
telle que π est une fonction de {1, …, q} dans {1, …, e}
avec π(1) = 1; π(q) = e; Wπ(i+1) ∈S(Wπ(i))
en minimisant J = Re(te, re) - ∑∈ oEo
oR
coût des ressources
récompenses
Ws(o)` {W début o}
We(o) {W fin traitement o}
Wr(o) {W fin réalisation o}
récompense Ro(ts(o), rs(o), te(o), re(o), tr(o), rr(o))
11 - Soutenance de thèse - 30 septembre 2005
||| Formalisation du problème ||| Formalisation du problème BAS NIVEAU BAS NIVEAU
Ressources
Récompense
Intégration des incertitudes dans le critère d’optimisation
Sur l’exemple
=
2
1
r
rr
)(t.P.rGR s(o)Obs1r(o)oo o
=
r1: probabilité d’être vivantr2: masse du véhicule
1k
1kk
an,n∆+
+
Relation de succession S étendue au bas niveau
Action ak+1 entre nœuds nk et nk+1 de durée
Consommation des ressources� décomposables ou non
� linéaires suivant les durées ou non
1k
1kn
an,n(k)1)(k ∆tt +
++=+ ππ
1k
1kk
an,n∆+
+
Temps� dates à nk et nk+1 liées par
� bornée par vitesses min et max
� fenêtre temporelle sur chaque nœud maxmin kkk ttt ≤≤
12 - Soutenance de thèse - 30 septembre 2005
||| Pour résumer||| Pour résumer
Pertinence du formalisme montrée par son paramétrage sur un exemple demission militaire d’observation pour un drone
Formalisation générique du problème de planification de mission � haut niveau : réalisation des objectifs� bas niveau : choix des nœuds, des actions, des vitesses entre les nœuds
Complexité du problème de planification de mission
Nombre de zones objectif
fin entrées/ sorties d’objectif
transmission Nombre de chemins
2
2
2
1
190
5
4
2
2
108
� méthodes d’exploration arborescentes adaptées
13 - Soutenance de thèse - 30 septembre 2005
||| Plan||| Plan
Introduction
Présentation et formalisation du problème de planification
Résolution algorithmique
Intégration du planificateur dans une architecture embarquée
Tests
Conclusions et perspectives
14 - Soutenance de thèse - 30 septembre 2005
pour chaque action a possible faire
Début
Recherche d’une première solution admissiblesi une première séquence admissible a été trouvée alors Initialiser BORNE avec le J trouvéPlacer n1 dans listePtant que listeP n’est pas vide faire
pour chaque ni dans S(û) fairelisteT = Ø
Construire la séquence de n1 à (ni, a) Optimiser I en choisissant les dates pour chaque nœud en respectant les contraintessi Il y a une solution alors
Calculer h de (ni, a) à un nœud finStocker dans ni : I = g et hAjouter (ni, a) dans listeTsi ni ∈We et I < BORNE alors BORNE ← I
Elaguer l’arbre d’explorationMettre les éléments de listeT dans listePEffacer û de listeP
||| Cadre algorithmique||| Cadre algorithmique
� inspiré de l’algorithme A*
� adapté pour la replanification en ligne
15 - Soutenance de thèse - 30 septembre 2005
||| Développement de l’arbre||| Développement de l’arbre
TOW
ENU1 ENU2 ENU3 ENU4
Optimisation des vitesses Optimisation des vitesses Optimisation des vitesses Optimisation des vitesses ���� ggggRangement Rangement Rangement Rangement dansdansdansdans listePlistePlistePlisteP
ENU4ENU2ENU3ENU1
Choix du meilleur nœud Choix du meilleur nœud Choix du meilleur nœud Choix du meilleur nœud dansdansdansdans listePlistePlistePlisteP ENU4
ENO11 ENO12 ENO21 EN022
Rangement Rangement Rangement Rangement dansdansdansdans listePlistePlistePlisteP
ENO11ENO22ENO21ENU2ENU3ENU1
Élagage ?Élagage ?Élagage ?Élagage ?
EXO11 EXO12
LWj
LWj
LWj LWj
?
?
??
Calcul de hCalcul de hCalcul de hCalcul de h
Choix du meilleur nœud Choix du meilleur nœud Choix du meilleur nœud Choix du meilleur nœud dansdansdansdans listePlistePlistePlisteP ENO11
16 - Soutenance de thèse - 30 septembre 2005
||| Algorithme||| Algorithme
Optimisation des durées basée sur l’algorithme de Frank & Wolfe
TRAITEMENT DES CONTRAINTES ET OPTIMISATION DU CRITERE
TRAITEMENT DES CONTRAINTES ET OPTIMISATION DU CRITERE
)I(Xmin∆
sous bA.X ≤
→ ( ))).((I)I(min (i)(i)T(i) ∆−∆∆+∆ ∆∆
sous bA. ≤∆
1ere étape sous bA. ≤∆( )∆∆=∆ ∆∆).(Imin (i)TˆSimplexe
2ème étape Optimisation monovariable )-k( (i)(i)1)(i ∆∆+∆=∆ + ˆ avec [0,1]k∈
Contraintes linéaires par rapport aux durées dans un simplexe
Contraintes non linéaires par rapport aux durées
�fonctions de pénalisation
17 - Soutenance de thèse - 30 septembre 2005
||| Méthodes de l’algorithme||| Méthodes de l’algorithmeEVALUATION DU CRITERE EVALUATION DU CRITERE
H1 : majorant des récompenses des objectifs non réalisés sans tenir
compte du niveau des ressources au nœud courant
Hi : similaire à H1 mais en tenant compte du niveau des ressources
Hr : résolution d’un problème relaxé
� pas d’optimisation du critère à chaque développement de nœud
� pas de contraintes
� nombre fixé de nœuds développés
HW : exploite les deux niveaux de description
� recherche arrière préalable sur le graphe haut niveau
� valeur heuristique commune à tous les nœuds d’un même supernœud
4 méthodes pour l’évaluation h du nœud courant à un nœud fin
18 - Soutenance de thèse - 30 septembre 2005
||| Méthodes de l’algorithme||| Méthodes de l’algorithmeELAGAGESELAGAGES
Critère non monotone �coûts positifs et négatifs
Utilisation des méthodes d’évaluation h
2 méthodes d’élagage
Méthode pour les h minorantes
� si g+h > BORNE alors élaguer le nœud ni
Méthode pour les h non minorantes
� si ( (g+h) - γ g+h ) > BORNE alors élaguer le nœud ni
Note
Un nœud où les contraintes ne peuvent pas être respectées est élagué
19 - Soutenance de thèse - 30 septembre 2005
||| Méthodes de l’algorithme||| Méthodes de l’algorithmeRANGEMENTSRANGEMENTS
Note
Pour les rangements R1 et R3� h sert à l’élagage et non au rangement
4 méthodes de rangement de la liste des nœuds pendants
R1 ou R2 recherches en profondeur ordonnée« Ordonner S(û) par g (ou g+h) � puis les ranger en tête de listeP »
R3 ou R4 recherches au meilleur g (ou g+h) d’abord« Mettre S(û) dans listeP et ordonner listeP par g (ou g+h) �»
ENO11ENO21ENO22
listeTlisteTlisteTlisteT
ENU2ENU3ENU1
Ancienne Ancienne Ancienne Ancienne listePlistePlistePlisteP
ENU2ENO11ENU3ENU1ENO22ENO21
Nouvelle Nouvelle Nouvelle Nouvelle listePlistePlistePlistePordonnéeordonnéeordonnéeordonnée
ENO11ENO21ENO22ENU2ENU3ENU1
listePlistePlistePlisteP
20 - Soutenance de thèse - 30 septembre 2005
Algorithme de base inspiré du A*
Combine recherche arborescente et optimisation continue
||| Pour résumer||| Pour résumer
Pour la suite
Evaluation sur des problèmes de replanification en ligne
� Tests
Intégration du planificateur dans une architecture embarquée
Pour la suite
Evaluation sur des problèmes de replanification en ligne
� Tests
Intégration du planificateur dans une architecture embarquée
� 16 variantes
Méthodes d’évaluation du critère
Méthodes d’élagage
Méthodes de rangement
21 - Soutenance de thèse - 30 septembre 2005
||| Plan||| Plan
Introduction
Présentation et formalisation du problème de planification
Résolution algorithmique
Intégration du planificateur dans une architecture embarquée
Tests
Conclusions et perspectives
22 - Soutenance de thèse - 30 septembre 2005
||| Architectures des systèmes autonomes||| Architectures des systèmes autonomes
Architectures réactives� pas de plan à long terme
� réaction rapide aux aléas
Architectures délibératives� plan à long terme
� réaction lente aux aléas
Architectures hybrides� combinaison des avantages
Choix
�architecture hybride hiérarchique dédiée à la réalisation d’une missionChoix
�architecture hybride hiérarchique dédiée à la réalisation d’une mission
23 - Soutenance de thèse - 30 septembre 2005
||| Environnement logiciel||| Environnement logiciel
ProCoSA PROgrammation et COntrôle des Systèmes à forte Autonomie
Hors ligne : spécification des procédures de comportement du véhicule (codage par réseaux de Petri) et des coopération entre sous-systèmes
En ligne : exécution des procédures, dont réactions aux aléas
Événement(s) + infosplace ⇔ état, activité ou macro-activité
transition ⇔ changement d’étatRequête(s) d’activation + infos
24 - Soutenance de thèse - 30 septembre 2005
||| Fonctionnalités||| Fonctionnalités
Réagir aux aléas� mettre à jour les cartes de danger et/ou de mission � recalculer un plan
� modification de la mission� données environnement prévues et observées incohérentes� trajectoire irréalisable � consignes de guidage non applicables
Effectuer la mission� gérer les données opérateurs et capteurs de navigation
� enchaîner les actions de plan
� rallier les points de passage, activer et désactiver la charge utile
� calculer les consignes de guidage
� contrôler le déroulement des phases de calculs et d’actions
25 - Soutenance de thèse - 30 septembre 2005
COUCHE PHYSIQUE
||| Architecture hybride hiérarchique||| Architecture hybride hiérarchique
Organisation des niveaux
BASE DE DONNEES
Niveau 2Gestion du plan
Niveau 1Gestion de la trajectoire
Niveau 0Guidage
Niveau 3Gestion de la mission et de son environnement
3 niveaux délibératifs
1 niveau réactif
26 - Soutenance de thèse - 30 septembre 2005
SEQUENCER
PREVOIR
COMPARER
CALCULER
déterminer le contexte dereplanification
replanifier
||| Développement des niveaux||| Développement des niveauxEXEMPLE SUR LE NIVEAU 2 EXEMPLE SUR LE NIVEAU 2
Partie Partie Partie Partie «««« Résolution algorithmiqueRésolution algorithmiqueRésolution algorithmiqueRésolution algorithmique »»»»
base dedonnéesniv 2
base dedonnées
couchephysique
plan mis àjour +évolutionnominale desressources
vers base dedonnéesniv 2
cartes dangers /objectifs
État des ressources / état x, y, z, t
Plan + segment de plan courants
état des ressourcessegment de plan traité prévus
Évolution nominale des ressources
segment de plan mis à jour
vers base dedonnéesniv 2
DonnéesDonnées
27 - Soutenance de thèse - 30 septembre 2005
||| Développement des niveaux||| Développement des niveauxEXEMPLE SUR LE NIVEAU 2 EXEMPLE SUR LE NIVEAU 2
SEQUENCER
PREVOIR
COMPARER
CALCULER
déterminer le contexte dereplanification
replanifierdifférence
pas de différence
boucle automatiquede contrôle
fin prévision
lancer une replanification
segment infaisable
fin trajectoire lancer trajectoire
planification impossible
fin planification
ÉvénementsÉvénements
28 - Soutenance de thèse - 30 septembre 2005
||| Exemples de procédures ProCoSA||| Exemples de procédures ProCoSA
Suivi des tâches physiques
29 - Soutenance de thèse - 30 septembre 2005
||| Exigences temporelles pour la replanification||| Exigences temporelles pour la replanification
Evaluation du plan courant dans un nouveau contexte � JC’
Classification des problèmes de replanification & Critères d’évaluation
Cas 1: si JC’>JMAX, échec de la mission
� solution avant δrreplanification dite « critique »
Cas 2: si 0≤ JC’≤ JMAX, plan courant mauvais, mais durée de calcul moyenne acceptée� amélioration significative avant δ2replanification dite « nécessaire »
Cas 3: si JC’<0, pas de risque d’échec
� amélioration avant δ3replanification dite « éventuelle »
• qualité de la première solution admissible avant δr• qualité de la meilleure solution avant δ1 fixé
• qualité de la première solution admissible avant δr• qualité de la meilleure solution avant δ1 fixéδr = 10s δ1 = 20s
δ2 = 5min
δ3 = 15min
JMAX : risque d’échec trop élevéJMAX= 30%.Psys
• qualité de la première solution significativement meilleure• qualité de la meilleure solution avant δ2 fixé
• qualité de la première solution significativement meilleure• qualité de la meilleure solution avant δ2 fixé
• qualité de la meilleure solution avant δ3 fixé• qualité de la meilleure solution avant δ3 fixé
30 - Soutenance de thèse - 30 septembre 2005
||| Pour résumer||| Pour résumer
Cadre du travail� replanification en ligne déclenchée sur événements
� architecture hybride hiérarchique
� ProCoSA pour implémenter l’architecture et effectuer la mission
Architecture hybride hiérarchique� 4 niveaux de la gestion de la mission jusqu’au guidage
� mise en œuvre de la fonction de replanification
� fonction de détermination du contexte de replanification
Analyse de la qualité du plan courant� spécification du temps laissé au planificateur pour donner un résultat
� critères de performances pour comparer les différentes méthodes
� Tests
31 - Soutenance de thèse - 30 septembre 2005
||| Plan||| Plan
Introduction
Présentation et formalisation du problème de planification
Résolution algorithmique
Intégration du planificateur dans une architecture embarquée
Tests
Conclusions et perspectives
32 - Soutenance de thèse - 30 septembre 2005
||| Présentation||| Présentation
Véhicule
Système de drone MALE� altitude entre 5000m et 15000m
� endurance entre 10h et 50h
Caractéristiques proches du Predator
Predator B (source : U.S Air Force)Missions et environnements
Mission Nombre de zones objectif
Nombre d’entrées/ sorties
Navigation
1
6
2
ligne droite contournement
balayage
2
4
2
ligne droite contournement
balayage
3
6
4
ligne droite contournement
balayage
4
6
2
ligne droite balayage
33 - Soutenance de thèse - 30 septembre 2005
Mission 1
36 scénarios testés sur 16 combinaisonsde méthodes
36 scénarios testés sur 16 combinaisonsde méthodes
||| Scénarios||| Scénarios
Pour chaque mission� 3 instants de replanification
� 3 événements déclenchants (fuite de carburant, changement de la carte des dangers, changement de la carte des objectifs)
� 9 scénarios de replanification par mission
Manque de carburant
72 critères
34 - Soutenance de thèse - 30 septembre 2005
||| Analyse des scénarios||| Analyse des scénarios
Pour l’exemple
Fréquences identiques pour tous les instants de replanification
Pour les événements, évaluation difficile
� étude de robustesse avec 3 valeurs pour chaque fréquence
Idée : utilisation d’un critère global pour chaque méthode i
f1…fk fréquences d’occurrence de k scénarios
valeur du critère
Evaluation suivant
Idée : utilisation d’un critère global pour chaque méthode i
f1…fk fréquences d’occurrence de k scénarios
valeur du critère
Evaluation suivant
ik
i1...JJ
ij
k
1jj
i .JfJ ∑==
� 27 combinaisons possibles de fréquences d’occurrence
Problème : Définition des f1…fk de la manière la plus réaliste possible alors que ce sont des paramètres mal connus
35 - Soutenance de thèse - 30 septembre 2005
Choix d’une méthode - replanification critiqueChoix d’une méthode - replanification critique
Préférence pour les méthodes simples : H1R3, HiR3, HWR3
� rangement au meilleur g d’abord �l’heuristique ne sert qu’à élaguer
Méthode Hr : à proscrire Recherche d’une meilleure solution en moins de 20s inutile
-50000,00
950000,00
1950000,00
2950000,00
3950000,00
4950000,00
5950000,00
6950000,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
combinaison
critère
H1R3 - HiR3 - HwR3
H1R1 - HiR1 - HwR1H1R2 - HiR2
HrR2 - HrR1
HrR4 - HrR3 HwR4
HwR2
H1R4 - HiR4
Qualité première solution admissible
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
combinaison
HrR4 - HrR3 - HwR4
HrR2 - HrR1
H1R4 - HiR4
H1R1 - H1R2 HiR1 - HiR2
H1R3 - HiR3 - HwR3
HwR2
HwR1
Qualité meilleure solution en moins de 20s
36 - Soutenance de thèse - 30 septembre 2005
Choix d’une méthode - replanification nécessaireChoix d’une méthode - replanification nécessaire
9 combinaisons : l’événement manque de carburant ne conduit jamais à une replanification nécessaireMéthodes de rangement en profondeur ordonnée R1et R2 meilleuresHr inefficace pour obtenir une meilleure solution en moins de 5minMéthodes d’évaluation « rapides » H1, Hi, HW meilleures
Qualité première solution admissible améliorant le critère Qualité meilleure solution en moins de 5 min
1 2 3 4 5 6 7 8 9
combinaison
HwR2 - HwR1H1R1 - HiR1H1R2 - HiR2
H1R3 - HiR3HwR3 - HrR1HrR2 - HwR4
HrR3 - HrR4H1R4 - HiR4
-35000
-30000
-25000
-20000
-15000
-10000
-5000
0
1 2 3 4 5 6 7 8 9
combinaison
critère
H1R1 - H1R2 HiR1 - HiR2HrR1 - HrR2HwR1 - HwR2
H1R3 - H1R4 HiR3 - HiR4HrR3 - HrR4HwR3 - HwR4
37 - Soutenance de thèse - 30 septembre 2005
Choix d’une méthode - replanification éventuelleChoix d’une méthode - replanification éventuelle
Aucune méthode ne se démarque � Analyse multicritère
Meilleur compromis HiR1
Moins bons compromis avec R3 et R4 : rangement au meilleur d’abord
Utilisation des méthodes ELECTRE� notion de surclassement pour modéliser l’idée de préférence
� obtention d’un graphe représentant le préordre partiel
� notions de préférence, d’indifférence, d'incomparabilité entre deux alternatives
38 - Soutenance de thèse - 30 septembre 2005
Choix d’une méthode uniqueChoix d’une méthode unique
Analyse multicritère� qualité globale de la première solution admissible
� qualité globale de la meilleure solution
� qualité globale de la meilleure solution
� durée de calcul globale pour la meilleure solution
Méthodes dominantes : H1R3 et HiR1
H1R3 calcule des solutions menant à un risque de destruction de l’appareil limité à 18 % contre 50% pour HiR1
� Pour réduire le risque d’échec, H1R3 préférable� Pour réduire le risque d’échec, H1R3 préférable
cas critique et nécessaire
cas éventuel
39 - Soutenance de thèse - 30 septembre 2005
||| Pour résumer ||| Pour résumer
Intérêt d’utiliser des méthodes d’évaluation différentes pour le rangement et l’élagage
Choix d’un rangement pour chaque contexte
Rangement au meilleur g d’abord en critique (R3)
Rangement en profondeur ordonnée en nécessaire (R1 ou R2)
Rangement sans évaluation en éventuel (R1 ou R3)
Utilisation des méthodes d’évaluation du nœud courant jusqu’à un nœud fin
Evaluation des récompenses non obtenues avec et sans ressources équivalentes (H1 et Hi)
Rangements basés sur H1 et Hi peu efficaces, rangement basé sur Hrefficace en éventuel
Elagages avec H1, Hi, HW efficaces
Embarquement d’un planificateur unique : H1R3 meilleur algorithme
40 - Soutenance de thèse - 30 septembre 2005
||| Plan||| Plan
Introduction
Présentation et formalisation du problème de planification
Résolution algorithmique
Intégration du planificateur dans une architecture embarquée
Tests
Conclusions et perspectives
41 - Soutenance de thèse - 30 septembre 2005
||| Conclusions (1)||| Conclusions (1)
Proposition d’un cadre formel basé sur une décomposition en deux niveaux� haut niveau : réalisation des objectifs
� bas niveau : choix des nœuds, des actions, des vitesses entre les nœuds
Problème de planification
Choisir et ordonner un sous-ensemble d’objectifs à réaliser. Optimiser les actions, connaissant les ressources, l’environnement, la récompense associée à chaque objectif et les contraintes temporelles
Problème de planification
Choisir et ordonner un sous-ensemble d’objectifs à réaliser. Optimiser les actions, connaissant les ressources, l’environnement, la récompense associée à chaque objectif et les contraintes temporelles
Cadre algorithmique basé sur le A* et adapté aux spécificités du problème� optimisation d’un critère non linéaire par rapport aux durées
� prise en compte de récompenses et de coûts fonctions du mode de réalisation des objectifs
� plusieurs méthodes : évaluation de coût, élagage, rangement
� Formalisation d’un problème avec incertitudes et où le nombre d’objectifs dans le plan n’est pas fixé a priori
� Résolution du problème de choix, d'ordonnancement et d’optimisation sous contraintes
42 - Soutenance de thèse - 30 septembre 2005
||| Conclusions (2)||| Conclusions (2)
Intégration de la planification dans une architecture embarquée� niveau d’autonomie : replanification embarquée
� architecture hybride hiérarchique
� calcul de plans en ligne sur événements
� activation et contrôle de l’exécution par ProCoSA
Tests sur 36 scénarios de replanification� Identification de méthodes adaptées en fonction de la criticité de la
replanification
� Identification de méthodes non adaptées à la replanification en ligne
� Choix d’une méthode dans le cas d’un algorithme unique embarqué
� Le véhicule est doté d’une autonomie décisionnelle embarquée
43 - Soutenance de thèse - 30 septembre 2005
||| Perspectives||| Perspectives
Architecture� mise en œuvre et validation� utilisation des connaissances opérateur� utilisation de l’architecture pour d’autres systèmes autonomes
Tests et méthodes d’analyse� générateur automatique de missions� autres scénarios
Application� automatisation du choix des points de passage� relief� hypothèse de l’instantanéité des transmissions� dégradation des récompenses� gestion de la charge utile
Algorithmes� automatisation du choix des paramètres
� amélioration des méthodes algorithmiques
� application sur d’autres domaines d’application
Merci !Merci !Merci !Merci !