Plan du cours
Introduction aux systèmes multi-robots
- Présentation des architectures de coordination et de contrôle multi-robots
- Applications dans l'industrie, la recherche et les systèmes autonomes
- Comparaison entre systèmes centralisés et décentralisés
Fondements de l'intelligence de nuée
- Principes de l'intelligence collective et de l'auto-organisation
- Inspiration biologique : fourmis, abeilles et essaims
- Comportement émergeant et robustesse des systèmes de nuée
Communication et coordination
- Modèles et protocoles de communication inter-robots
- Algorithmes de consensus et accord distribué
- Stratégies d'allocation des tâches et de partage de ressources
Stratégies de contrôle et de formation
- Contrôle leader-suiveur, basé sur les comportements et structure virtuelle
- Algorithmes de vol en essaim, couverture et poursuite-évasion
- Maintenance de la formation dans des conditions de communication bruitées
Algorithmes d'optimisation par nuée
- Optimisation par essaim de particules (PSO) et optimisation par colonie de fourmis (ACO)
- Applications à la planification de trajectoires et à l'assignation dynamique des tâches
- Approches hybrides combinant apprentissage et heuristiques de nuée
Simulation et implémentation
- Création de simulations multi-robots dans ROS 2 et Gazebo
- Implémentation de comportements de nuée en Python ou C++
- Débogage et analyse des dynamiques émergentes
Sujets avancés en robotique de nuée
- Scalabilité, tolérance aux pannes et résilience de la communication
- Intégration de l'apprentissage automatique pour une coordination adaptative
- Interaction homme-essaim et contrôle supervisé
Projet pratique : Conception et simulation d'un système de coordination de nuée
- Définition des objectifs et des contraintes pour une mission multi-robots
- Implémentation d'algorithmes de coordination de nuée
- Évaluation des métriques de performance et de la robustesse
Résumé et prochaines étapes
Pré requis
- Compréhension solide des fondamentaux de la robotique
- Expérience en programmation Python et ROS
- Connaissance des algorithmes de planification de mouvement et de contrôle
Public cible
- Chercheurs en robotique se concentrant sur les systèmes distribués et coopératifs
- Architectes de systèmes concevant des solutions robotiques multi-agents à grande échelle
- Développeurs avancés travaillant sur la coordination autonome et les algorithmes d'essaim
Nos clients témoignent (2)
Fourniture des matériels (machine virtuelle) pour passer directement aux exercices, et explication des fondamentaux de ROS2. Comprendre pourquoi les choses fonctionnent d'une manière particulière.
Arjan Bakema
Formation - Autonomous Navigation & SLAM with ROS 2
Traduction automatique
ses connaissances et son utilisation de l'IA pour la robotique dans le futur.
Ryle - PHILIPPINE MILITARY ACADEMY
Formation - Artificial Intelligence (AI) for Robotics
Traduction automatique