2.1 Perception

Une machine intelligente, devant exécuter des missions dans un environnement quelconque, doit être capable de percevoir l'environnement qui l'entoure et de raisonner sur les données perceptuelles acquises par ses différents capteurs. Cet environnement peut être structuré (scènes intérieures) ou non structuré (scènes naturelles); le système peut disposer de connaissances a priori (plan du site, ou modèles d'objets qui s'y trouvent) ou doit acquérir ou affiner ces connaissances avant ou pendant l'exécution de sa mission.

Le robot doit percevoir et modéliser l'environnement dans lequel il évolue, afin:

• de planifier et d'exécuter les déplacements nécessaires en évitant tout obstacle non prévu,
• et d'estimer à tout instant, sa position, avec une précision qui dépendra du contexte;
• d'accomplir des fonctions spécifiques de sa mission (e.g. recherche d'un objet);
• de détecter les évolutions de l'environnement, afin d'adapter son comportement.

Dans tous ces cas, le robot a besoin de structurer et d'interpréter les informations qui proviennent de ses capteurs, afin de construire des représentations internes de l'environnement qui lui permettront de planifier ses actions (prédire leurs résultats et choisir celles qui seront les plus appropriées pour réaliser sa tâche) et d'en contrôler l'exécution. Le choix de ces représentations est essentiel; elles doivent être adaptées à la tâche du robot, mais aussi à l'environnement dans lequel il évolue, et aux outils perceptuels disponibles (capteurs, algorithmes).

Notre objectif est donc de réaliser un système flexible de perception, capable de s'adapter à une grande variété de situations, qui exploite une diversité de sources perceptuelles (plusieurs capteurs), de modalités d'acquisition (point-de-vue, résolution, ...) et de représentations (résolution, précision, niveau d'abstraction...). Les incertitudes sur ces représentations devront être estimées par propagation des erreurs depuis l'acquisition jusqu'à l'interprétation. La nature de cette estimation (variance, score probabiliste, information purement qualitative) dépendra aussi des contraintes de la tâche.

Notre démarche générale étant ainsi définie, les principaux résultats obtenus au cours de ces 3 ans sont résumés ci-dessous, puis développés dans les sections suivantes:

• concernant la modélisation d'environnement naturel, la réalisation et la validation par de nombreuses expérimentations, d'un système adaptatif de perception pour un robot devant se déplacer sur un terrain accidenté, et nos travaux sur la localisation d'un tel robot.

• concernant la modélisation d'environnement intérieur, la réalisation d'un module robuste de localisation, exploité depuis dans la plupart des expérimentations sur Hilare-2, et nos travaux sur la construction du modèle topologique d'un site.

• concernant le traitement des données perceptuelles, nos développements ont porté sur des problèmes de calibrage, de segmentation d'image et d'extraction d'informations 3D par focalisation.