L'exploration autonome d'un environnement inconnu peut être envisagée de différentes manières. On peut notamment citer les approches par frontières, où des robots sont affectés à des zones inexplorées de la carte. Ces dernières méthodes sont efficaces mais nécessitent de partager une carte, globaliser les décisions d'affectation. Les approches Brick and Mortar, quant à elles, utilisent un marquage au sol avec une prise de décision locale, mais donnent des performances beaucoup moins intéressantes. L'algorithme présenté ici est un compromis entre ces deux approches, permettant une prise de décision locale et, de façon surprenante, des performances proche des approches par frontières globales. Nous proposons également une étude comparative de la performance des trois différentes approches : Brick & Mortar, frontières globales et frontières locales. Notre algorithme local est également complet pour le problème d'exploration et peut être facilement distribué sur des robots avec une perte de performance mineure.
Le contexte de ce travail est le problème de l'exploration multi-robot d'environnements inconnus pour la construction d'une carte métrique. Nous proposons une nouvelle technique de déploiement distribuée, basée sur le choix de la frontière à explorer (limites entre les zones accessibles et inexplorées) en fonction de la position du robot par rapport à ses voisins. Un champs de potentiels sans minimum local est calculé depuis chaque frontière permettant de connaître en tout point le chemin le plus court pour s'y rendre. L'exploration consiste à affecter régulièrement à chaque robot une frontière à atteindre. L'assignation d'une frontière à un robot est réalisée par un nouvel algorithme utilisant comme critère le nombre de robots plus proches de la frontière considérée. Des mesures en simulation sont présentées et montrent la validité et l'efficacité de notre approche. Nous évaluons l'efficacité de notre algorithme en comparant, en simulation, ses performances avec les approches existantes. The context of this work is multi-robot exploration and mapping of unknown environments. Frontiers (boundaries between empty and unexplored areas) are points to go to in order to increase explored area. In this paper, we propose a frontier allocation method for the exploration and mapping of indoor environments using multiple robots. A wavefront propagation algorithm is used to build a local minima free potential field with a gradient descending towards frontiers used for navigation and path distance computation. Exploration is done by successively exploring frontiers assigned using a novel, computationally inexpensive algorithm based on the cardinal of the set of robots closer to the frontier than the robot being assigned. Experiments in simulation demonstrated the validity of the frontier allocation approach.
L'exploration multi-robot (EMR) consiste à observer efficacement tous les espaces inconnus d'un environnement. Cette tâche soulève de nombreux défis comme l'affectation des tâches, la coordination des robots, la planification des déplacements et la communication. Nous traitons ici l'exploration en environnement peuplé d'humains. Le déplacement et les actions des personnes rendent ces environnements dynamiques et donc difficiles à explorer. Toutefois, nous proposons d'examiner comment cette présence humaine peut constituer une aide plutôt qu'une gêne. Nous présentons un modèle d'exploration en environnement humain, et définissons un coût d'interaction homme-robot (IHR). Nous en déduisons un cadre formel d'exploration interactive inspiré d'une formalisation classique d'exploration aux frontières. Enfin, nous évaluons en simulation l'apport de la dimension interactive à l'exploration par frontières.