Une approche hybride et adaptative à la locomotion humanoïde: mélange de primitives rythmiques et de stratégies de placement des pieds

This thesis presents research developed towards adaptable and effective optimization of controllers for humanoid robots’ locomotion. It addresses this goal by combining features of humanoid locomotion and the impact of different environments in its dynamics, along with mathematical optimization and statistical analysis techniques. Controllers for the locomotion of bipedal robots often face challenges regarding their optimization towards different objectives and different environments. We propose an architecture that uses the information gathered in an optimization/exploration phase to adapt to a terrain with partially unknown characteristics. In the exploration phase virtual simulations are used to optimize the parameters of the controller in different terrains. The results of these optimizations are used to identify the unknown terrain characteristics, and these values are used to select the best parameters for this particular environment. The approach was tested in the simulations of an iCub robot on terrains with variable friction, and of the DARwIn-OP robot in ramps with varying slopes. This work brings contributions to the problem of choosing the values for the open parameters of biped locomotion controllers in various situations. Specific issues that are covered relate to: 1) establishing an optimization framework that can be applied to any controller with open parameters, and which results in both safe and well performing behaviors; 2) finding locomotion behaviors that are effective in multiple and distinct environments; 3) adapting the locomotion to environments with varying characteristics, modeled in previous optimizations.Cette thèse présente des recherches développées pour une optimisation adaptative et efficace des contrôleurs de locomotion des robots humanoı̈des. Elle répond à cet objectif en combinant les caractéristiques de la locomotion humanoı̈de et l’impact de différents environnements dans sa dynamique, ainsi que des techniques d’optimisation mathématique et d’analyse statistique. Les contrôleurs pour la locomotion des robots bipèdes font souvent face à desdéfis concernant leur optimisation vers différents objectifs et environnements. Nous proposons une architecture qui utilise les informations recueillies dans une phase d’optimisation / exploration pour s’adapter à un terrain avec des caractéristiques inconnues. Dans la phase d’exploration virtuelle des simulations sont utilisées pour optimiser les paramètres du contrôleur dans différents terrains. Les résultats de ces optimisations servent à identifier les caractéristiques inconnues du terrain et, en conséquence, à sélectionner les meilleurs valeurs des paramètres du contrôleur pour cet environnement. L’approche a été testée dans les simulations d’un robot iCub sur terrains avec un frottement variable, et du robot DARwIn-OP dans des terrains avec des pentes différentes. Ce travail s’intéresse donc au problème du choix des valeurs des paramètres des contrôleurs de locomotion bipède dans diverses situations. Les contributions apportées consistent à : 1) établir un cadre d’optimisation qui peut être appliqué à n’importe quel contrôleur avec des paramètres ouverts, et qui se traduit par des comportements à la fois sécurisés et performants ; 2) trouver des comportements de locomotion efficaces dans des environnements multiples et distincts ; 3) adapter la locomotion à des environnements aux caractéristiques variables, modélisés dans optimisations précédentes