18-03-2021 : Séminaire Juliette Drupt et Clémentin Boittiaux

Pour rappel, Juliette DRUPT et Clémentin BOITTIAUX présenteront le sujet de leur thèse.

SEMINAIRE du 18 MARS 2021
à partir de 13h30 en salle M007

 

Voici le résumé de leur thèse:
  • Julliette :
« Si les sous-marins autonomes pour la cartographie en pleine eau sont maintenant opérationnels, l’exploration de milieux confinés reste un challenge en robotique sous-marine. Elle nécessite des temps de plongée longs et une adaptation permanente des déplacements en fonction de l’environnement découvert. Jusqu’à ce jour, seuls les robots à câbles (ROV) réunissent ces deux compétences : ils bénéficient d’un apport énergétique illimité et de l’appui d’un téléopérateur qui co-analyse les données de l’enveloppe sensorielle transmise en temps réel par le câble. Mais, pour déployer un système à câble en milieu confiné, il faut développer une méthode pour contrôler la position du câble pour éviter qu’il ne s’emmêle ou se coince. La gestion automatique du câble est un problème qui n’a pas ou peu été étudié jusqu’à maintenant (pour l’opération des ROV, un second opérateur supervise le déploiement du câble).
 
Ma thèse s’intéresse au contrôle de ce câble par l’ajout de robots intermédiaires répartis sur la longueur du câble, formant ainsi une cordée de robots, avec l’objectif de contrôler une telle cordée de robots afin d’explorer et de cartographier des espaces immergés confinés.
 
La localisation et la cartographie simultanées (SLAM) en milieu sous-marin représente un défi scientifique à l’heure actuelle, et ce en particulier dans le cas d’environnements confinés. En effet, si en surface des méthodes de SLAM visuelles permettent aujourd’hui une cartographie et une localisation très fines, ces mêmes méthodes sont limitées en milieu sous-marin du fait de la turbidité de l’eau, de l’éclairage changeant dû aux mouvements de l’eau en surface, ou tout simplement du faible éclairage naturel, ou encore de l’absorption rapide de certaines longueurs d’ondes. En milieu confiné, l’absence totale d’éclairage naturel présente une difficulté particulière. De plus, dans ce type d’environnement, la bonne localisation des robots présente des enjeux particuliers, à la fois du fait de la présence d’obstacles tout autour, qu’il faut donc éviter, mais aussi tout simplement parce que le robot doit être capable de regagner la sortie du réseau exploré. Dans un tel cadre, la présence d’un câble peut devenir un atout : en effet, il peut d’une part faire office de fil d’Ariane pour retrouver la sortie, mais aussi fournir un complément d’informations de localisation de la cordée entière. Outre, les aspects de commande permettant d’éviter que le câble se coince ou que les robots encordés se gênent, ma thèse s’intéresse ainsi à la manière dont la présence du câble pourrait être utilisée pour améliorer la localisation et la cartographie en milieu sous-marin confiné. »
  • Clémentin:  « Conception de fonctionnalités autonomes de navigation du robot Coral, profondeur 6000 m, à partir d’amers détectés sur fond marins »

Aujourd’hui, la grande majorité des fonds océaniques reste inexplorée. Les conditions d’exploration y sont, en effet, difficiles de par les nombreux défis scientifiques que présente cet environnement. Afin de mieux connaître et comprendre les grands fonds, de nombreux outils ont été développés au fil des années afin de récolter des échantillons, vidéos et données physiques dans les abysses. Récemment, en 2020, la flotte océanographique française s’est agrandie avec Ulyx, un véhicule autonome sous-marin (AUV) capable de plonger jusqu’à 6000 m.

L’objectif d’un tel appareil est de pouvoir décider seul de certaines actions à effectuer en fond pour remplir à bien la mission qui lui a été confiée auparavant. Pour ce faire, Ulyx devra, entre autres, être en capacité de se positionner avec précision et reconnaître les lieux d’intérêt scientifique qui lui ont été indiqués. Cependant, les systèmes de positionnement utilisés actuellement tel que l’USBL ont une incertitude de l’ordre de 10 m lorsqu’ils sont déployés à de grandes profondeurs.

Cette thèse vise donc à réduire cet incertitude en intégrant de l’intelligence embarquée à bord de l’AUV. Avec les dernières grandes avancées technologique en deep learning, notamment dans le domaine de la vision, nos recherches portent sur la reconnaissance de points d’intérêts déjà visités et la localisation du véhicule dans ces mêmes régions. Nos efforts sont concentrés sur des approches centrées sur la vision, ce qui présente de nombreux défis dans cet environnement. L’un d’eux est par exemple de rendre nos modèles robustes à des changements topologiques ou physiques qui peuvent survenir d’une année sur l’autre.