Thèse : Contributions à la Sécurité et à la Performance des Robots Téléopérés avec Retour d’Effort

La soutenance aura lieu en anglais, dans l’amphithéâtre de l'Institute d'Anatomie Normale et Pathologique, 1 place de l'Hôpital, 67000 Strasbourg (Campus de l'Hôpital Civil - bâtiment N15 sur la carte dans les pj, ou par ce lien sur Google Maps).

La soutenance est publique, avec une retransmission en ligne par Zoom:

Résumé:

Les systèmes de téléopération bilatérale sont de plus en plus utilisés dans des applications critiques pour la sécurité, telles que la chirurgie, où il est essentiel de garantir un retour d'effort stable et transparent dans des environnements incertains.
Cette thèse aborde les défis clés de la téléopération bilatérale, en se concentrant sur l'amélioration de la sécurité, de la transparence et de la robustesse grâce à une combinaison de Commande Prédictive Basée sur Modèle (MPC), d'adaptation basée sur l'apprentissage et de techniques de maintien de la passivité.

Premièrement, nous concevons un cadre MPC qui impose explicitement des contraintes de sécurité tout en optimisant la transparence. Pour réduire la charge du réglage manuel et améliorer les performances en temps réel, nous introduisons une approche d'auto-réglage basée sur l'Optimisation Bayésienne (BO). Cette approche identifie efficacement les pondérations optimales du MPC et est validée expérimentalement sur une plateforme matérielle.

Deuxièmement, pour traiter l'incertitude du modèle dans des environnements dynamiques, nous développons un contrôleur adaptatif robuste de type Tube-MPC. Cette méthode combine le Tube-MPC avec des techniques d'apprentissage en ligne : l'Apprentissage par Appartenance à un Ensemble (SML) est utilisé pour affiner les bornes d'incertitude, tandis que l'estimation par Moindres Carrés Moyens (LMS) améliore les performances via une estimation ponctuelle. L'approche garantit une satisfaction robuste des contraintes tout en réduisant le conservatisme et est validée en simulation.

Troisièmement, nous étudions l'utilisation de la Commande à Impédance Variable (VIC) en téléopération. Bien que la VIC améliore la flexibilité de l'interaction, elle peut violer la passivité, risquant ainsi l'instabilité. Nous proposons un contrôleur VIC passif en étendant les Filtres de Passivité (PF) et en les intégrant à d'autres approches basées sur la passivité par le biais d'une optimisation en ligne. La méthode proposée assure la stabilité tout en maintenant les avantages adaptatifs de la VIC.

Les validations expérimentales et basées sur la simulation à travers les contributions soulignent la robustesse et l'efficacité des approches proposées.
Globalement, ce travail fait progresser l'utilisation de la commande basée sur l'optimisation et de l'apprentissage en téléopération, contribuant à une interaction homme-robot plus sûre et plus efficace.