Herbanatur se spécialise depuis près de deux décennies dans le domaine de la géométrie informatique, la localisation et la cartographie simultanées sont le problème informatique de la construction ou de la mise à jour d’une carte d’un environnement inconnu tout en gardant la trace de l’emplacement d’un agent en son sein.

Construire une carte, la localiser dans la carte et planifier à l’aide de la carte sont des problèmes fondamentaux pour la robotique mobile. Chaque système robotique mobile doit intégrer un certain type de solution aux trois problèmes.

Bien que l’interdépendance entre la cartographie et la localisation soit bien connue sous le nom de problème de localisation et de cartographie simultanées (SLAM), la communauté des chercheurs comprend de plus en plus la planification de la façon dont le robot gère la cartographie et l’exploration d’un environnement (et fonctionne ensuite dans l’environnement). peut éviter des conditions dégénérées et réduire considérablement la complexité de SLAM. Ainsi, la tâche d’explorer un nouvel environnement combine les trois problèmes, car le robot doit prévoir de trouver des actions qui réduisent l’incertitude dans la cartographie et la localisation. Ce problème combiné est appelé Active SLAM.

Indépendamment, SLAM et la planification ont été résolus dans de petits domaines structurés en deux dimensions. Les robots doivent aller au-delà de ces environnements simples. Le défi est de développer des méthodes Active SLAM en temps réel qui permettent aux robots d’explorer de grands environnements non structurés en trois dimensions et de permettre un fonctionnement ultérieur dans ces environnements sur de longues périodes.

Mais la mise à l’échelle vers des environnements vraiment grands nécessite une deuxième vision clé au-delà d’Active SLAM: pour contourner les limitations d’échelle inhérentes à SLAM, le monde peut être divisé en éléments plus gérables ou sous-cartes. Le problème SLAM devient alors un SLAM segmenté

problème, qui représente le monde avec une carte métrique et topologique combinée, construisant des sous-cartes métriques si nécessaire et affinant les relations topologiques entre les sous-cartes.

La contribution de cette thèse est une approche Active SLAM en temps réel qui combine une nouvelle représentation volumétrique basée sur une grille de preuves, un filtre à particules robuste Rao-Blackwellized, un cadre de segmentation de sous-carte topologiquement flexible et une méthode de planification stochastique intégrée

pour réduire l’incertitude SLAM et prévoir les fermetures possibles de boucles en fonction de la structure de la carte locale. Nous montrons nos méthodes sur plusieurs plateformes robotiques dans des environnements tridimensionnels grands et non structurés.