Université de Rennes 1 Algorithmes de planification de trajectoires robustes pour des tâches robotiques en présence d’incertitudes paramétriques Robust trajectory planning algorithms for robots with parametric uncertainties robotique aérienneincertitudes paramétriquesplanification de trajectoires aerial robotics, parametric uncertainties, trajectory planning Robotique L'un des défis majeurs des systèmes automatisés réside dans la nécessité de fonctionner dans des conditions réelles, donc incertaines. L'incertitude paramétrique est un problème courant, et se présente lors de l'exécution de tâches robotiques diverses. Dans cette thèse, nous explorons les possibilités apportées par la planification de trajectoires, dont le suivi est intrinsèquement robuste aux incertitudes. Dans la première contribution, nous étendons les algorithmes de planification de trajectoires à sensibilité minimale en introduisant la sensibilité de l'entrée, qui, une fois réduite, conduit à une prédiction accrue de l'entrée du système. Ce problème, bien que traité pour de la robotique aérienne, est généralisé pour tout système. Le problème de sensibilité reposant sur l'hypothèse de connaissance parfaite de l'état, dans la seconde contribution nous combinons les algorithmes 'control-aware' et 'observability-aware' grâce à la méthode de Chebyshev, afin de générer des trajectoires robustes aux incertitudes, et assurant une meilleure estimation des variables/paramètres du système. Enfin, dans la dernière contribution, nous développons une théorie qui exploite les données d'incertitude paramétrique, afin de construire les 'tubes de déviations du pire cas' autour des variables nominales du système. Cette nouvelle expression du problème permet d'augmenter la fiabilité des systèmes, car nous assurons la faisabilité, même pour les plus fortes déviations paramétriques. One of the major challenges of automated systems is the need to operate under real-world, thus uncertain conditions. Parametric uncertainty is a common problem, and arises when performing various robotic tasks. In this thesis, we explore the possibilities provided by the planning of trajectories, whose tracking is inherently robust to uncertainties. In the first contribution, we extend minimum sensitivity trajectory planning algorithms by introducing the input sensitivity, which, when reduced, leads to an increased prediction of the system input. This problem, although treated for aerial robotics, is generalised for any system. As the sensitivity problem relies on the assumption of perfect knowledge of the state, in the second contribution, we combine the 'control-aware' and 'observability-aware' algorithms thanks to the Chebyshev method, in order to generate trajectories robust to uncertainties, that also ensure a better estimation of the system's variables/parameters. Finally, in the last contribution, we develop a theory that exploits the parametric uncertainty data, and construct the 'worst case deviation tubes' around the nominal system's variables. This new expression of the problem increases the reliability of systems, as we ensure feasibility even for the largest parametric deviations. Electronic Thesis or DissertationText en application/pdf1 : 471 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/9a4a40f4-3546-4362-bcf9-c75914b4b92c Brault Pascal 1996-01-24 FR 271679077 pascal.brault@ens-rennes.fr 2023URENS011 http://www.theses.fr/2023URENS011 2023-04-27 Automatique, productique et robotique Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiRobuffo GiordanoPaolointervenant_1198102720ChaumetteFrançoisintervenant_2059347856MorbidiFabiointervenant_5193827433FantoniIsabelleintervenant_3059877499SecchiCristianintervenant_4261803549 MATISSEecoleDoctorale_1 267602553 IRISA partenaireRecherche_1 026386909 ddc:620 Robuffo GiordanoPaoloChaumetteFrançoisFantoniIsabelleSecchiCristianMorbidiFabioUniversité de RennesMATISSE IRISA ASCII PDF 482485