Conception et commande d’un manipulateur souple actionné par câbles : approche par apprentissage et transfert de la simulation à la réalité

Overview & Synopsis

L'émergence d'applications robotisées nécessitant une interaction avec l'environnement ou avec des opérateurs humains a conduit au développement d'une nouvelle catégorie de systèmes, les robots souples. Leur particularité réside dans une structure constituée en partie ou en totalité d'éléments flexibles. Ces architectures apportent au système une compliance naturelle particulièrement adaptée à ce type de tâches. Toutefois, en comparaison avec les robots rigides classiques, la complexité des configurations qu'ils sont capables d'adopter sont un obstacle au développement de modèles précis. Dans le contexte d'une application agricole, à savoir la cueillette de fruits et de légumes, cette thèse présente dans un premier temps la conception d'un manipulateur souple répondant aux exigences spécifiques de cette tâche. La solution retenue, après étude des nombreux prototypes reportés dans la littérature, est un manipulateur souple à âme centrale actionné par câbles. Cette architecture permet, entre autres, d'appliquer des efforts importants tout en offrant une conception rapide à moindre coût. Dans un second temps, ce travail se concentre sur la modélisation du système selon deux approches complémentaires. D'une part en utilisant des modèles analytiques, reposant sur l'hypothèse de Courbure Constante et sur la théorie de Cosserat et, d'autre part, en utilisant des modèles basés données, notamment des Perceptrons Multicouches. Chacune de ces deux approches est évaluée expérimentalement à travers diverses tâches, statiques et dynamiques. Le modèle issu de l'approche analytique permet d'analyser le comportement du système face aux actionnements ou aux perturbations et met également en lumière l'impact des imperfections mécaniques du manipulateur. Le modèle basé MLP, quant à lui, intègre implicitement ces imperfections et atteint une précision comparable aux résultats reportés dans la littérature, au détriment de l'interprétabilité. Le principal inconvénient des modèles MLP est leur dépendance au nombre important de données expérimentales dont l'acquisition est chronophage. Afin de réduire cette dépendance, un modèle hybride est proposé en réalisant l'apprentissage par Transfer Learning sur une base de données à la fois issue d'un modèle Cosserat développé sur le logiciel SOFA et du prototype réel. Une étude comparative implémentant cette approche sim-to-real est menée en réduisant progressivement la taille du jeu de données réelles afin d'identifier le nombre minimal de données nécessaire pour conserver un niveau de précision équivalent à un modèle standard.