Formation Control

Aussi appelé: formation keeping
Catégorie: Learning & autonomy › Multi-robot
Mots-clés: multi-robot, distributed-control, coordination, swarms, uav

Coordination d'un groupe de robots pour qu'il atteigne et conserve un agencement géométrique spécifié, comme des distances, des décalages ou des espacements fixes le long d'un chemin, généralement avec une perception et une communication locales.

Définition

La commande de formation (formation control) est le problème qui consiste à piloter plusieurs robots de sorte que leurs positions relatives prennent et conservent une forme désirée, comme une ligne, un coin, un anneau ou un espacement régulier le long d'une courbe, pendant que le groupe se déplace ou tient sa position. Chaque robot ne connaît généralement que son propre état et ce qu'il peut percevoir ou recevoir de ses voisins proches ; le contrôleur doit donc obtenir une forme globale à partir d'informations locales. C'est un sujet central des systèmes multirobots, avec des applications allant des groupes de drones et d'engins spatiaux aux pelotons de camions.

Les architectures classiques comprennent les schémas meneur-suiveur, dans lesquels les suiveurs suivent des décalages par rapport à un meneur ; les schémas à structure virtuelle, dans lesquels la formation est traitée comme un corps rigide dont les robots occupent des points ; et les schémas comportementaux, qui mélangent des objectifs comme le maintien de la formation, l'évitement d'obstacles et l'atteinte d'une cible. Une revue très citée d'Oh, Park et Ahn (2015) classe les méthodes selon ce qu'elles perçoivent et commandent : fondées sur la position (positions absolues dans un repère commun), fondées sur le déplacement (vecteurs de position relative dans des repères alignés, souvent construites sur des algorithmes de consensus) et fondées sur la distance (uniquement les distances entre robots, ce qui exige que le graphe de formation soit rigide pour que les distances fixent la forme). Le graphe de communication compte dans tous les cas : la connexité décide si le groupe peut seulement parvenir à un accord, et les retards et pertes de liaison affectent la stabilité.

La commande de formation est étroitement liée au suivi de chemins coordonné, dans lequel chaque robot suit son propre chemin et le groupe coordonne sa progression le long de ces chemins, par exemple en maintenant des distances d'arc fixées entre des avions qui tournent sur la même orbite. Elle diffère de la robotique en essaim, qui repose généralement sur des règles locales simples et un comportement de groupe émergent sans forme prescrite, et de la recherche de chemins multi-agents, qui planifie des itinéraires sans collision sur des graphes au lieu de réguler une géométrie relative continue. Les déploiements réels ajoutent l'évitement de collision, des limites d'actionnement comme la vitesse quasi constante des avions à voilure fixe, et l'estimation des positions des voisins, qui est souvent la partie la plus difficile en extérieur.

Pourquoi c'est important

De nombreuses tâches multirobots exigent que les robots conservent une géométrie : les réseaux de capteurs ont besoin d'une ligne de base, les convois d'un espacement sûr et le transport coopératif de points de préhension fixes. La commande de formation fournit les méthodes et les garanties de stabilité pour y parvenir avec une communication limitée.

Applications principales

Vol coordonné de groupes d'UAV multirotors et à voilure fixe
Circulation en peloton de véhicules sur autoroute
Transport coopératif multirobot
Détection distribuée et surveillance autour d'une cible
Vol en formation d'engins spatiaux
Convois et schémas de relevé d'engins marins

En pratique

Plusieurs UAV à voilure fixe doivent tourner autour d'un point d'intérêt avec un espacement égal. Chaque avion suit un champ de vecteurs de guidage qui converge vers le cercle, et un terme de coordination ajuste sa progression le long du chemin en fonction des distances d'arc à ses voisins, qu'il reçoit par une liaison radio locale. Comme les avions ne peuvent ni faire du vol stationnaire ni s'arrêter, l'espacement doit être corrigé en modifiant la façon dont chacun se déplace le long du chemin ou autour de celui-ci plutôt qu'en attendant. Avant les essais en vol, l'équipe simule des pertes de liaison : avec un graphe de communication connexe, l'espacement se rétablit, tandis qu'un graphe qui se scinde laisse les sous-groupes séparés s'éloigner les uns des autres.

Idées reçues

La commande de formation nécessite un ordinateur central qui connaît toutes les positions — de nombreuses méthodes sont distribuées et n'utilisent que des informations provenant des voisins
Maintenir les distances deux à deux fixe la forme de la formation — seulement si le graphe des distances est rigide ; sinon, la forme peut se déformer alors que chaque distance spécifiée est respectée
La commande de formation et la robotique en essaim sont la même chose — les méthodes d'essaim produisent généralement un comportement de groupe émergent à partir de règles locales, tandis que la commande de formation régule une géométrie spécifiée

Qui devrait le savoir

Ingénieurs en systèmes multirobots
Développeurs de flottes d'UAV et de drones
Ingénieurs en commande travaillant sur les systèmes en réseau
Ingénieurs en circulation en peloton de véhicules autonomes

Technologies associées

Algorithmes de consensus (Consensus Algorithms)
Théorie de la rigidité des graphes (Graph Rigidity Theory)
Commande meneur-suiveur (Leader-Follower Control)
Méthode de la structure virtuelle (Virtual Structure Method)
Champs de vecteurs de guidage (Guiding Vector Fields)
Régulateur de vitesse adaptatif coopératif (Cooperative Adaptive Cruise Control)

Termes associés

Projets associés

ArduPilot: World's most trusted open-source autopilot for drones, planes, rovers, and submarines
PX4 Autopilot: Open-source flight control software for drones and other unmanned vehicles
Open X-Embodiment (OXE): Largest open robotics dataset: 1M+ episodes from 22 embodiments
Paparazzi UAV: Complete university-developed open-source UAV system for research and fixed-wing drones
MAVROS: ROS gateway for MAVLink-compatible autopilots (PX4, ArduPilot)
IR-SIM: Lightweight pure-Python 2D robot simulator for navigation, control and RL research