AN EVOLUTIONARY APPROACH TO SEARCHING THE SHORTEST PATH FOR THE MOBILE ROBOT

Abstract

Depuis quinze ans, la conception de systèmes artificiels a connu une révolution épistémologique. Elle a consisté à surmonter l'opposition classique entre les mondes organique et inorganique en cherchant à doter les machines des capacités d'adaptation et d'autonomie propres aux systèmes vivants. La robotique évolutive vise à concevoir des machines capables d'apprendre continuellement de nouvelles compétences dans un monde continu, incontrôlé et changeant. Cette méthode a permis de construire avec succès de vrais robots présentant des comportements réactifs complexes.Sur la base de cette observation, nos travaux offrent une vision non exhaustive des thématiques de recherche associées au domaine de la robotique mobile, et présentent les obstacles scientifiques qui restent à lever pour aboutir au développement d'un robot autonome. L'autonomie de ce dernier nécessite la réalisation coordonnée de tâches de contrôle et de perception de l'environnement. Parmi celles-ci, la navigation joue un rôle fondamental dans l'interaction du robot avec son environnement évolutif. Il s'agit de la détermination des trajectoires réalisables par le robot pour suivre une trajectoire préétablie, tout en contournant les obstacles mobiles ou fixes. Pour effectuer cette tâche, notre approche est basée sur les algorithmes génétiques de plus court chemin. Le problème de navigation est ensuite modélisé sous la forme d'un problème d'optimisation des contraintes dont la fonction de fitness quantifie la différence entre le meilleur chemin du robot et les autres chemins aléatoires. Les obstacles sont intégrés sous forme de contraintes en pénalisant le mouvement des robots; l'objectif étant de permettre à ces robots de changer de position tout en évitant les obstacles. Notre approche a été mise en œuvre et plusieurs scénarios ont été testés. Les résultats obtenus démontrent la robustesse de la méthode déployée ainsi que ses performances.