Resource-Efficient Decentralized Collaborative Simultaneous Localization And Mapping

La robotique collaborative possède un potentiel considérable pour transformer la société et de multiples secteurs en permettant aux systèmes autonomes d’exécuter des tâches difficiles, désagréables, ou tout simplement impossibles pour l’humain. À l’origine de ces capacités se trouve la Localisation et Cartographie Simultanées Collaborative (mieux connue sous le nom Collaborative Simultaneous Localization And Mapping ou son acronym C-SLAM), qui permet à plusieurs robots de cartographier leur environnement et de se localiser, que l’environment soit préalablement connu ou non, à l’intérieur ou l’extérieur, sous terre ou sous-marin, sur Terre ou sur Mars. Les cartes ainsi générées servent à explorer et inspecter des espaces inaccessibles aux humains, à analyser la traversabilité des terrains, ou encore à planifier et exécuter des tâches complexes avec plusieurs agents. Cette thèse apporte des contributions pour faire progresser le domaine du C-SLAM, en mettant l’accent sur l’amélioration de la précision, de la robustesse, de l’efficacité et de l’adaptabilité. Elle débute par une revue exhaustive de l’état de l’art, mettant en lumière les nombreux défis. À partir de ces observations, plusieurs cadriciels innovants sont proposés: Swarm-SLAM, un système C-SLAM décentralisé, optimisé pour les réseaux robotiques ad hoc; MOLD-SLAM, exploitant des larges modèles d’apprentissage pour fusionner des cartes avec peu de chevauchement entre elles; et PEOPLEx, qui applique les principes du SLAM pour améliorer la localisation des piétons. En complément, une technique de calibration de domaine auto-supervisée est proposée, visant à améliorer les performances du SLAM dans divers environnements sans nécessiter de réglages manuels. Les approches développées ont été évaluées lors d’expérimentations sur le terrain, incluant des essais sur un terrain analogue planétaire. Les résultats démontrent des améliorations en termes de précision de localisation, avec des réductions notables des besoins en mémoire, en calcul et en communication. Ces avancées rapprochent de la réalité le déploiement d’essaims robotiques à grande échelle, ouvrant la voie à de nombreuses nouvelles applications. La thèse se conclut par une réflexion sur les implications plus larges de ces contributions et des perspectives sur l’avenir du C-SLAM. Elle souligne l’importance de développer des approches résilientes et économes en ressources et insiste sur la nécessité d’encourager la reproductibilité scientifique afin de stimuler le progrès du domaine. À mesure que les systèmes autonomes évoluent, le C-SLAM jouera un rôle central en permettant aux robots de collaborer efficacement et de fonctionner de manière indépendante, favorisant ainsi des innovations à travers de nombreux secteurs industriels et sociétaux.