Reactive control and sensor fusion for mobile manipulators in human robot interaction

In order to share a workspace with humans, a service robot should be able to safely interact within an unstructured environment. In this context, the robot shall adapt its behavior and react to the environment changes and human activities. The robots based on motion planning are not able to adapt fast enough, so we propose a reactive trajectory controller to track targets, react to human activities and prevent event like collisions. The reliability of the proposed trajectory controller is based on recent fusion techniques to identify mouvements and detect forces associated to events. We propose to employ a 6D force/torque sensor to estimate the inertial parameters of the manipulated objects, then the parameters are used to complement the visual tracking process and to compute the contact forces between the robot end-effector and the environment. The contact forces are analysed and classified by using learning techniques to detect different events, such as human grasping the object or collision between the object and the environment. This work, conducted as part of the European projects DEXMART and SAPHARI, and the ANR projects ASSIST and ICARO, has been integrated and validated on the Jido and the PR2 robot platforms of LAAS-CNRS.Afin de partager un espace de travail avec les humains, les robots de services doivent être capable d'interagir dans des environnements peu structurés. Dans ce contexte, le robot doit réagir et adapter son comportement aux évolutions de l'environnement et aux activités des humains.L'utilisation de planificateur de mouvement ne permet pas au robot d'être suffisamment réactif, aussi nous proposons un controleur de trajectoire réactif capable de suivre une cible, de réagir aux changement d'atitudes des humains ou de prévenir les évènements et, en particulier, les collisions. Pour fiabiliser le contrôleur de trajectoire, nous utilisons des techniques de fusion de données récentes afin d'identifier les mouvements ou de détecter des forces associées à des évènements. Nous proposons d'utiliser un capteur de force six axes pour estimer les param'etres d'inertie des objets manipulés, puis d'utiliser ces paramètres pour compléter le contrôle visuel et calculer les forces de contact entre l'organe terminal du robot et son environnement. L'utilisation de technique d'apprentissage permet d'analyser et de classifier les forces de contact pour détecter différents évènements tels que la saisie de l'objet par un humain ou le contact entre le robot ou l'objet transporté et l'environnement. Ce travail a été intégré et testé sur les robots jido et PR2 du LAAS-CNRS dans le cadre des projets europ'eens DEXMART et SAPHARI et des projets ANR ASSIST et ICARO