Encadreur : João Rendas
Mots clefs : observation de phenomènes environnementaux, surveying
Connaissances requises : Traitement du
Signal, programation (C)
L'objectif de ce stage, qui s'encadre dans le projet SUMARE est la définition de stratégies pour l'acquisition de cartes de paramètres environnementaux avec des capteurs mobiles (installés sur des robots mobiles autonomes) et la détermination de l'impacte sur l'efficacité des surveys résultant de la capacité de définition en-ligne de la trajectoire du robot, par rapport aux méthodes classiques de survey. L'accent est mis sur la robotique sous-marine, et on considérera des cartes de salinité, de courrants marins, de concentration de polluants, de types d'habitats marins, etc.
Le diagramme suivant illustre la stratégie classique d'observation de phenomènes sous-marins - exécution de plusieurs transects parallèles -- et une stratégie adaptative possible : suivi de lignes de contour. On considérera deux types fondamentaux de phenomènes :
Plan de travail
Dans un premier temps, on considérera
l'observation de champs de courants marins avec un robot autonome, équipé
de capteurs de courant : à chaque instant t
le
robot acquiert
où p(t) est la position (x,y,z) où le robot se trouve à l'instant t, c(p) la vraie valeur du courant dans le point p, et n(t) est un bruit d'observation de caratérisation statistique connue pour chaque t.
où w(t) est l'erreur qui affecte la connaissance de sa position à l'instant t (indépendant de n(t), et dont la distribution statistique est supposée connue pour chaque valeur de p(t)).
Pour chaque trajectoire du robot P={p(t), t=[0,Tf]} nous pouvons, à partir des modèles des bruits de ces deux mesures, prédire la distribution des erreurs de la carte obtenue, et comparer ainsi la performance des techniques classiques d'observation avec des techniques adaptatives comme, par exemple, le suivi de contours.
Dans un deuxième temps, nous allons considérer que le robot connaît un modèle statistique du champ observé. En particulier, pour cette application, nous allons utiliser des modèles de composantes principales et des opérateurs de déformation. Ces modèles décrivent la corrélation entre la valeur du courant dans les différents points de la région observée, et permettent l'utilisation des mesures prises dans une région pour prédire la valeur du courant dans une autre région. L'objectif de cette deuxième phase est la définition d'algorithmes adaptatifs de guidage qui conduisent le robot vers les régions de plus grande incertitude (étant données les observations passées, et le modèle de corrélation spatiale), c'est à dire, où le gain d'information attendu est le plus grand. La performance de ces statégies adaptatives, basées sur le gain d'information, sera comparée, par simulation, avec les approches classique et de suivi de contours, pour évaluer son apport en termes d'efficacité et de précision.
Ce sujet de stage peut se poursuivre par une thèse
dans le domaine de la définition de stratégies d'observation
de phenomènes environnementaux par des capteurs autonomes.