Abstract FR:

Le travail presente dans cette these traite du probleme de la navigation d'un robot mobile dans un environnement partiellement connu. Une methode hybride est utilisee pour exploiter les avantages de strategies de navigation globale et locale. La fusion de ces strategies est basee sur un systeme d'inference floue par comparaison en ligne entre les scenes: reelle et memorisee. La planification de l'itineraire est effectuee par la methode du graphe de visibilite et l'algorithme a*. Un controleur flou a ete realise, d'une part, pour le suivi du chemin planifie par le robot virtuel dans l'environnement theorique et, d'autre part, pour la navigation du robot reel dans l'environnement reel identique a celui memorise. Pour la navigation locale, deux techniques ont ete developpees independamment. La premiere est celle du champ de potentiel artificiel. Un reglage automatique en ligne des coefficients, base sur l'emploi de regles floues a ete realise pour eliminer les minima locaux. Une deuxieme methode basee sur la combinaison de comportements elementaires realises, pour la plupart a l'aide de systemes d'inference floue, a ete developpee. Tout d'abord d'un comportement de suivi du milieu de l'espace libre vu par le robot et un comportement de convergence vers le but ont ete fusionnes. L'experimentation a ete faite sur les deux robots mobiles khepera et rmi, pour un passage de porte. Cela a permis de montrer la robustesse et la portabilite de la methode. Un troisieme comportement elementaire, de type suivi de mur a ete developpe. Associe a une creation de buts intermediaires de transition, il permet au robot de contourner les obstacles concaves, avant de se rediriger vers son but. Le recours a des sif pour generer les comportements elementaires s'est revele a la fois simple et efficace. Cependant on peut toujours craindre que les regles deduites d'une simple expertise humaine soient plus ou moins largement sous-optimales. Un reseau neuro-flou a ete utilise pour effectuer l'optimisation des parametres caracterisant les conclusions des regles floues. Ce dernier point est particulierement important pour extraire une base de regles des donnees experimentales sans avoir recours a une demarche empirique