- Inevitable Collision States A Step Towards Safer Robots ?
[Fraichard & Asama 2003] : INEVCOL03
Cet article présente la notion d'état de collision inévitable (inevitable collision state), qui sont des états à partir desquels
il est impossible pour un système d'éviter une collision.
L'article décrit formellement cette notion, ainsi que celle
d'obstacle de collision inévitable (inevitable collision obstacle)
qui représente l'ensemble des états de collision inévitable lié à un
obstacle. Il donne ensuite deux exemples théoriques (un très simple,
puis un plus réaliste), et présente des résultats préliminaires dans
la planification de déplacements sûrs à partir de ces notions.
- A Study toward Cognitive Action with Environment
Recognition by a Learning Space Robot
[Senda et al. 2003] : COGSPACE03
Cet article présente une application d'un algorithme de
reinforcement learning, le Q-learning, permettant
à un système autonome de remplir une tâche dont la réalisation a
précédemment échouée (à cause par exemple d'une modification de
l'environnement). Le principe de l'algorithme consiste à converger
vers une solution par une succession de tentatives.
L'application étudiée dans l'article est une simulation de robot
spatial auquel on
demande d'assembler une structure. Cependant pour une raison de temps
de calcul, l'algorithme n'est pas applicable en opération dans des
cas complexes, et l'article présente ensuite une méthode
pour simplifier sa résolution et réduire son temps d'exécution.
- An Error Restraining Method for Accurate Freeform Surface Cutting
[Jaganathan & Lin 2003] : FREECUT03
Cet article présente un algorithme de correction d'erreur
(généralement des aléas causés par l'environnement) pour une
machine de découpe controllée par ordinateur. Cet algorithme utilise
un feedback : à partir de la position précédente de l'outil
l'ordinateur calcule la prochaine position et son écart par rapport à
la position désirée, et génère un ordre à la machine suivant ces
valeurs théoriques pour corriger l'écart au besoin. L'article présente
ensuite rapidement la plate-forme expérimentale, les expériences
menées et leurs résultats.
- Proscriptive Bayesian Programming Application for Collision
Avoidance
[Koike et al. 2003] : BAYCOL03
Cet article présente une approche probabiliste bayésienne cherchant à
traiter les incertitudes d'observation pour l'évitement de
collisions. Il décrit rapidement les principes de la programmation
bayésienne : le calcul de la répartition probabiliste des
valeurs de chaque variable inconnue à partir de celles des variables
connues, de connaissances préliminaires et de données
expérimentales. L'application de ce type de programmation est très
dépendante de l'application, particulièrement du choix des
variables à considérer et de leurs relations. L'article donne
l'exemple d'une plate-forme expérimentale et de deux approches de
comportement : un comportement prescriptif (on cherche à ce que le
robot s'éloigne d'un obstacle) et un comportement proscriptif (on
cherche à ce que le robot ne s'approche pas d'un obstacle). Ce dernier
met en uvre avec succès l'évitement de collision.
- Nonstop Update of Mission Critical Robotic Services
[Horiuchi 2003] : NONSTOP03
Cet article présente une approche basée sur les brins d'exécutions
(threads) pour mettre à jour un système autonome en cours
d'exécution, en ne souffrant que d'une courte interruption de
services. Il donne deux
exemples d'application de l'environnement NSU (NonStop
Update framework) basé sur cette approche. Un premier exemple
applicable à plusieurs plate-formes est basé sur un
courtier CORBA et les mécanismes de gestion d'exceptions du langage
C++ ; il
consiste en la création d'un brin mis à jour sur une machine distante,
puis sa migration pour remplacer le brin original. Le second exemple est
spécifique à une plate-forme (RTLinux), et n'est basé que sur les
instructions de cette plate-forme ;
il installe les modules mis à jour, crée un nouveau
brin d'exécution, termine le brin original en récupérant son contexte, et
enfin élimine les anciens modules.
- A Suite of tools for Debugging Distributed Autonomous Systems
[Kortenkamp et al. 2002] : DEBUG02
Cet article présente un ensemble d'outils permettant à un développeur de
modifier le code d'un système autonome distribué pour recueillir des
données en cours d'exécution, puis d'analyser ces données pour
vérifier que le comportement du programme est correct. Il présente tout
d'abord le langage de logique temporelle ITCL (Interval Temporal
Checking Logic) utilisé pour reformuler la spécification à partir de
laquelle sera vérifiée l'exactitude des données. Il décrit ensuite
la collecte de ces données : les différents processus du système
appellent une fonction qui enregistrera les valeurs passées en
paramètres dans une base de donnéees. L'article présente finalement un
exemple
d'application de ces outils sur le test d'un système automatique de
recyclage d'eau de la NASA.
- Fault tolerance in cooperative Manipulators
[Tinos et al. 2002] : FEEDBACK02
Cet article présente un système de tolérance aux fautes de
manipulateurs coopérant et reliés au même objet. Ce système est basé
sur une modélisation mathématique de la position et de la vitesse de
ces manipulateurs, pour détecter puis corriger 4 types possibles de
fautes sur un manipulateur : une position erronée, une vitesse
erronée, un blocage, ou une absence. A partir des commandes données,
la position et vitesse théorique des manipulateurs sont détectées, puis
comparées aux valeurs données par les capteurs ; la détection de
blocage ou d'absence d'un manipulateur se fait à l'aide d'un réseau
neuronal. Une fois une faute d'étectée, le système de tolérance aux
fautes impose aux manipulateurs une loi de contrôle dépendant du type
de fautes. L'article présente ensuite quelques résultats expérimentaux.
- Pusher-washer : An approach to fault-tolerant tightly-coupled
robot coordination
[Gerkey & Mataric 2002] : PUSHER02
Cet article présente une approche de tolérance aux fautes dans la
coopération robots, basée sur le systême d'allocation de
tâches MURDOCH ; le cadre de travail est composé de plusieurs robots
(dans la pratique 2 actionneurs et un superviseur)
dont le but est de pousser un objet jusqu'à un point donné.
Suivant la position de l'objet
et de l'objectif, un des robots (le superviseur) établit des actions à
effectuer, puis attribue ces actions aux autres robots en fonction de la
compétence (présence de capteurs ou d'actionneurs) et la situation de
chacun. Une défaillance d'un des robots
est détecté par le superviseur si la situation n'évolue pas en accord
avec les ordres donnés, et prise en compte dans la suite des opérations.
L'article présente une implémentation des robots, et plusieurs jeux
d'expériences, simulant la désactivation ou la défaillance puis
récupération d'un des robots actionneurs.
- Robotic Fault Detection Using Nonlinear Analytical Redundancy
[Leuschen et al. 2002] : NLAR02
Cet article présente une version non-linéaire de la technique
consistant à comparer les sorties de capteurs à une modélisation
mathématique du comportement d'un système ; cette méthode est appelée
NLAR (NonLinear Analytical Redundancy). Il décrit tout d'abord
le principe de cette méthode, basée sur les matrices d'observabilité
du système non-linéaire étudié. En fonction de ces matrices et de la
sensibilité des capteurs, NARL donne la liste des équations à
considérer pour détecter toutes les déviations possibles du
système par rapport au modèle mathématique. L'article décrit ensuite
en détail des expériences menés sur un robot pour valider cette
approche à travers plusieurs simulations de fautes (blocage d'un
capteur, imprécision graduelle d'un capteur) et une compariason avec
un modèle linéaire du mee système.
- An Analysis of Cooperative Repair Capabilities in a Team of Robots
[Bererton & Khosla 2002] : REPAIR02
Cet article présente une analyse théorique du MTTF (Mean Time To
Failure) entre une équipe de robots réparables et une de robots
non-réparables. La réparation considérée consiste à prélever les
composants nécessaires à la réparation sur des robots qui ont déjà
défailli. L'analyse est basée sur des modèles de Markov et fait
plusieurs assomptions, par exemple
que les défaillances des robots sont exclusivement dues aux
défaillances des composants ou que le temps de réparation est
nul. Les résultats de cette analyse théorique prévoient que le MTTF de
l'équipe de robots
réparables serait plus élevé que celui de l'autre équipe, mais ne
deviendrait vraiment significatif qu'à partir d'un certain nombre de
robots dans l'équipe (autour de quatre ou cinq, suivant le nombre
considéré de composants pouvant défaillir).
- Merging Planning and Verification Techniques for ``Safe
Planning'' in Space Robotics
[Aiello et al. 2001] : SAFEPLAN01
Cet article présente une méthode de planification visant à rajouter
des contraintes de sûreté de fonctionnement. Il décrit tout d'abord
le langage du planificateur (utilisé dans le système JERRY) pour
obtenir des plans valides, puis il introduit des notions de logique
temporelle formelle pour ajouter des contraintes de sûreté de
fonctionnement que les plans candidats devront vérifier. Il donne
ensuite des expressions pour valider et vérifier le plan en même
temps, et une règle de génération prenant en compte les contraintes
ajoutées.
benjamin lussier
2004-04-16