Michel TAÏX
Mes thèmes de recherche dans le groupe Gepetto
Les méthodes de planification automatique de trajectoire fournissent des trajectoires sous forme d'une suite de chemins locaux. Ces chemins locaux respectent des contraintes d'optimisation sur le système mais sont très éloignés d'une trajectoire que réalise un opérateur humain. Si nous voulons que le planificateur donne une solution réaliste (semblable à celle d'un humain) il est nécessaire de s'interesser au problème de la cognition spatiale chez l'homme. Nous avons travaillé avec une équipe de neuro-biologistes du CERCO impliquée dans l'étude des processus de représentation de l'espace et du mouvement. Cette collaboration s'est poursuivie par le projet Egocentre (2002-2005) et s'est concrétisée par la thèse de M. Tran Tuan (2006-2009) qui porte sur une application des principes moteurs neuro-biologiques pour le contrôle du geste d'atteinte des robots humanoïdes. Le modèle est principalement basé sur les hypothèses que l'énergie des signaux des motoneurones est en continu minimisée le long de la trajectoire et que les efforts dynamiques et statiques sont traités séparément. Nous utilisons ce paradigme pour contrôler le robot humanoïde HRP2 en considérant un modèle dynamique du bras qui inclut, pour chaque degré de liberté, deux filtres passe-bas du second-ordre modélisant le système neuromusculaire défini par une paire de muscles antagonistes. Nous montrons que cette approche permet de générer des mouvements réalistes qui respectent les caractéristiques du mouvement humain.
Récemment, les techniques développées en planification de trajectoire, en particulier les algorithmes de recherche probabiliste, trouvent des applications dans le domaine du PLM (Product Lifecycle Management) où il est possible, à partir d'une maquette numérique, de valider la conception d'une pièce mécanique avant même une première fabrication. Le groupe GEPETTO possède une solide expérience en planification automatique de trajectoire mais ici un algorithme automatique ne suffit plus car il faut introduire l'utilisateur dans la boucle de recherche de solution. Cette nouvelle thématique de planification interactive de trajectoire s'est concrétisée par le travail de thèse de David Flavigné. L'approche proposée a pour but d'améliorer le guidage d'un opérateur lors d'une tâche d'assemblage dans un environnement virtuel à l'aide d'un algorithme de planification de chemin automatique dans des opérations de PLM (projets AMSI et PerfRV 2). Les travaux existants utilisaient une décomposition en deux étapes
qui limitait l'interaction entre l'utilisateur et le processus. Nous proposons une variante des méthodes "Rapidly-exploring Random Trees" (RRT) pour construire un RRT Interactif dans lequel l'intention de
l'utilisateur est prise en compte directement dans la boucle principale de recherche de solution.
Dans le domaine en pleine expansion de la conception ou de l'apprentissage de geste à partir de maquette numérique, un enjeu réside dans l'introduction de mannequins numériques et de leur
simulation lors de la manipulation de l'objet. Aussi nous sommes en étendre nos travaux à la Planification de mouvements humains réalistes et leurs application en cherchant à caractériser
les critères permettant d'améliorer les méthodes de planification de mouvement humain existantes pour en améliorer la réactivité. Les méthodes de planification et de commande de systèmes anthropormophes
qui sont développés dans le groupe Gepetto reposent essentiellement sur la géometrie et la cinématique. Ces méthodes s'avèrent insuffisante pour résoudre le problème car il est nécessaire de prendre en compte la dynamique du système. La prise en compte de toutes les contraintes nécessite aussi une adaptation des méthodes d'optimisation au contexte des algorithmes de la planification de mouvements
Il est apparu que de nombreux problèmes pratiques d'assemblage/désassemblage ne peuvent pas être
résolus en considérant seulement des objets rigides (cables, insertion par déformation,..). Aussi nous souhaitons développer un nouvel axe de recherche dans le groupe Gepetto sur la Planification d'objets déformables en développant une extension aux méthodes probabilistes existantes.