Emergence des Structures Evolutionnistes à Base de Robots Cellulaires Auto-Organisés

Abstract

Les robots modulaires sont des systèmes complexes composés d’un grand nombre d’unités élémentaires. Ces unités peuvent s’arranger pour changer la structure globale du système. Cette capacité permet aux robots modulaires de s’adapter aux changements de l’environnement pour réaliser des tâches relativement complexes. A l’inverse des robots conventionnels, ces robots sont i) Modulaires, puisqu’ils sont composés de plusieurs unités. ii) Auto Configurables, car les modules composant le système sont capables de changer la manière dont ils sont reliés pour pouvoir former plusieurs combinaisons iii) Autonomes, car ils sont capables eux-mêmes de réaliser des tâches sans avoir besoin d’intervention humaine. Cette discipline a attiré plusieurs chercheurs de la communauté scientifique pour réaliser des études dans ce domaine. Les défis d’améliorer les capacités des robots modulaires ne s’arrêtent pas à la conception mécanique et électronique, ils englobent également l’amélioration des algorithmes et des systèmes de contrôle pour que le système robotique se comporte de manière efficace. Dans cette thèse, nous nous proposons de relever ces défis en explorant trois éléments centraux de l’auto-reconfiguration des robots modulaires : l’adaptation, l’auto-configuration et l’évolution de la structure des robots. Dans un premier temps, nous nous sommes intéressés au problème d’adaptation des robots modulaires dans leur environnement. Pour cela, nous avons proposé une méthode en trois couches pour évoluer la structure des robots. Dans la première couche, un algorithme génétique réparti est utilisé pour trouver la structure optimale que le robot doit réaliser, tandis que dans la deuxième couche, nous avons utilisé l’algorithme PacMan pour transformer le système en une nouvelle configuration identifiée par la première couche. Dans une deuxième étape, nous avons intégré un système hormonal à l’architecture proposée pour permettre au système de réaliser des tâches en parallèle ainsi pour que le système soit capable d’agir de différentes manières pour ne pas se bloquer dans un seul état. Quant à la troisième étape, nous avons utilisé la programmation génétique pour reconfigurer le système de manière efficace et réduire le coût de la reconfiguration du système.