Algorithmes pour la commande d’une formation de robots mobiles

International audienceLa nécessité de diminuer l'impact sur l'environnement des activités agricoles, tout en préservant le niveau de production pour satisfaire les demandes de population en croissance, exige l'étude de nouveaux outils de production. Des robots mobiles peuvent constituer une solution prometteuse, puisque des dispositifs autonomes peuvent permettre d'accroître les niveaux de production, en préservant l'environnement en raison de leur grande précision. Si le contrôle automatique d'une machine seule offre des améliorations significatives, le contrôle d'une flotte modulaire de véhicules permet d'augmenter les espaces couverts sans utiliser de grandes machines qui provoquent un important compactage du sol. Pour être efficace, le contrôle de plusieurs robots autonomes doit être très précis et capable de gérer les différentes configurations rencontrées pendant une tâche agricole. Pour réaliser ces objectifs, les lois de contrôle simples utilisées dans le contexte routier ne sont pas appropriées dans des conditions tout terrain. Dans cet article, la commande en formation de plusieurs robots est envisagée dans le cadre du suivi de trajectoire. On propose des lois de commande adaptatives et prédictives qui prennent en compte les faibles conditions d'adhérence pour préserver l'exactitude de positionnement global et relatif. Elle permet alors de gérer une formation dans l'environnement naturel, indépendamment des conditions du sol, de la trajectoire à suivre et de la forme choisie pour la formation. Dans une première partie, on considère le modèle du mouvement de formation, en tenant compte des faibles conditions d'adhérence. Dans une deuxième partie, un observateur dédié à l'évaluation en ligne des conditions d'adhérences est conçu. Il permet de calculer les variables manquantes exigées pour un contrôle précis. Finalement, en se référant au modèle et à l'observateur, des lois de commande pour l'asservissement latéral et angulaire sont proposées. Il est basé sur une erreur mélangeant des écarts relatifs et absolus et permet la gestion du contrôle adaptatif. Les capacités de l'approche développée sont alors examinées à travers des expériences à échelle réelle