Commande collaborative d'un fauteuil roulant dans un environnement partiellement connu

Depuis des années, des chercheurs et des étudiants aux cycles supérieurs de trois universités au Québec ont travaillé au projet de réalisation d'un prototype d'un Fauteuil Roulant Motorisé Intelligent (FRMI). C'est un robot mobile équipé de capteurs, de caméras et de modules de contrôle permettant à la chaise roulante d'accomplir de nombreuses tâches autonomes avec assistance aux utilisateurs. Malgré le bon état d'avancement de ces travaux de recherche, il nous reste plusieurs aspects à améliorer et perfectionner. En effet, le fauteuil possède des modules de cartographie et localisation simultanées (Simultaneous Localization And Mapping (SLAM)), de navigation complètement autonome, et de contrôle collaboratif qui assiste les usagers en combinant les commandes de téléopération et autonomes. Pour utiliser le contrôle collaboratif, il faut déterminer une ou plusieurs destinations potentielles dans la carte de l'environnement. Avec les commandes données par l'utilisateur, le système estime son intention et l'aide à atteindre la destination. Pour les personnes âgées, les utilisateurs principaux des fauteuils roulants, il n'est pas concevable de naviguer pour créer la carte de l'environnement, de la lire et d'y placer des destinations potentielles. Pour simplifier la tâche de l'utilisateur, nous devons localiser le véhicule dans une carte connue a priori et utiliser cette carte dans un algorithme de SLAM et inférer automatiquement l'intention de l'utilisateur au cours de la navigation. Le but de ce projet est alors de compléter l'environnement de travail autour du module de contrôle collaboratif en améliorant le module de cartographie et de créer un module qui détermine des destinations potentielles dans la carte afin de les placer automatiquement dans l'environnement de navigation de la chaise. La réalisation de ces objectifs est accomplie par une étude du module de contrôle collaboratif, l'insertion de la carte connue a priori dans un algorithme de SLAM et la détection automatique de points d'intérêt dans cette carte. La première partie consiste à comparer des algorithmes de SLAM existants pour choisir le plus approprié à notre application. D'un autre côté, une technique de construction des données de SLAM à partir d'une carte de l'environnement est implémentée et testée grâce à un algorithme qui crée une carte de type SLAM à partir d'une génération de trajectoires virtuelles.

Abstract

Researchers and students in three universities of Quebec, École Polytechnique de Montréal, University de Montréal and McGill University have been working on the Intelligent Powered Wheelchair (IPW) for many years. A wheelchair which has the ability to do some daily tasks with the help of sensors and computers was developed. It can navigate autonomously or create a map of the environment by itself. Therefore, it can be considered as a mobile robot. Despite the fact that the IPW is in a very advanced state and was developed for years, improvements can still be made. Indeed, the chair possessed a SLAM module to create a map and localize the chair in the environment, a navigation module which can navigate autonomously inside the map or assists the user to control the chair without ignoring their command by combining the autonomous navigation with the manual navigation. It is called shared autonomy. In order to use the shared autonomy, first of all, we need to determine the possible destination on the map. Then, the controller will analyse the manoeuver of the user and after that, it will guess the user's intention before leading the robot to the destination. For the main user of the wheelchair, the elderly, the utilization of such function is not obvious. In order to simplify the user's works, we need to locate the robot in the map and then define all the destinations automatically. The project completes the workflow of the shared autonomy control by improving the SLAM algorithm of the IPW and by creating a module which analyses the map and determines all the destinations. In this thesis, we analyse many methods of SLAM available before deciding to implement one in our chair. Second, we will modify the design of the algorithm so we can load a map before navigating by creating a virtual trajectory which navigate the existing map. Finally, we create a module that can find all the destinations in the map and manage to put it in the SLAM all automatically. We want to improve the user experience by simplifying its tasks. Our works can support the shared autonomy algorithm to reach as many patients as possible, even the one who are not used to modern technology.