Transcript Intelligence Artificielle et Robotique

1
Design III
Quelques éléments
d’intelligence artificielle
Olivier Dugas
PLT 3772
[email protected]
Matériel tiré des cours
IFT-4102 Concepts avancés pour systèmes intelligents
GLO-4001 Introduction à la robotique mobile
2
Design III
Mise en contexte
• Contrôle du robot → Agent
• Déplacement du robot → Exploration
• Positionnement des rondelles → Planification
•
Prise de décision
Design III
3
Plan
Intelligence artificielle et agent intelligent
Algorithmes d’exploration
Exploration non informée
Exploration heuristique
Discrétisation d’espace
Espace de configuration
Discrétisation de l’espace continu
Exemples d’exploration
4
Design III
Quels sont les domaines de l’IA ?
• L’exploration, le CSP et l’optimisation
combinatoire
• L’inférence logique
• La planification
• La représentation des connaissances
• Le raisonnement incertain
• La prise de décision
• L’apprentissage automatique
• Les agents et les systèmes multi-agents
• La vision numérique
• Le traitement de la langue naturelle
• La robotique
5
Design III
Ce dont vous avez besoin pour votre projet?
• L’exploration, le CSP et l’optimisation
combinatoire
• L’inférence logique
• La planification
• La représentation des connaissances
• Le raisonnement incertain
• La prise de décision
• L’apprentissage automatique
• Les agents et les systèmes multi-agents
• La vision numérique
• Le traitement de la langue naturelle
• La robotique
Design III
6
Qu’est-ce qu’un agent intelligent?
Agent intelligent:
tout ce qui perçoit son environnement
à l’aide de ses capteurs
et qui agit sur son environnement
à l’aide de ses effecteurs.
Agent
percepts
Capteur
Environnement
?
actions
Effecteurs
7
Design III
Environnement de tâche
Première étape de la conception d’un agent :
Spécifier l’environnement de tâche (task environment)
Contient les quatre éléments suivants (PEAS):
Mesure de la performance (Performance measure)
Environnement (Environment)
Effecteurs (Actuators)
Capteurs (Sensors)
Agent
percepts
Capteur
?
Environnement
actions
Effecteurs
Design III
8
Exemple
Système de diagnostic médical
Mesure de performance: patient en santé, éviter les
poursuites, minimiser les coûts
Environnement: patient, hôpital, personnel
Effecteurs: l’écran du système
Questions, tests, diagnostic, traitements, références
Capteurs: clavier
Saisie des symptômes, évidences, réponses du patient
Design III
9
Autre exemple - Votre robot
• Les composantes de votre système
– Mesure de performance?
• Maximiser la précision du positionnement
• Optimiser la recherche des rondelles
• Minimiser le temps de déplacement...
– Environnement?
• La table, les grilles, la zone cible, les rondelles, les obstacles, la
station...
– Effecteurs?
• Le préhenseur, les roues...
– Capteurs?
• La caméra, la kinect, l'ohmmètre…
Design III
10
Propriétés de l’environnement
• Complètement observable vs partiellement observable
• Déterministe vs stochastique
• Épisodique vs séquentielle
• Statique vs dynamique
• Discret vs continu
• Un agent vs plusieurs agents
• Connu ou inconnu...
Agent
Capteur
percepts
Environnement
?
actions
Effecteurs
Design III
11
Propriétés de l’environnement
• Situation la plus
difficile
• Partiellement
observable
• Stochastique
• Séquentielle
• Dynamique
• Continue
• Multi-agents
• Inconnue
• Exemple
• Conduite automatisée
d’un véhicule
• Votre projet
• Totalement
observable
• Stochastique
• Séquentielle
• Statique
• Discret/continue
• Mono-agent
• Connue
• En résumé:
• On est gentil !!!
Design III
12
Structure d’un agent
4 types en ordre de généralité croissante:
Agent
Agent
Agent
Agent
simple réflexe
réflexe avec état interne
basé sur les buts
basé sur l’utilité
Utile pour la conception du module de
contrôle du robot.
Agent
Capteur
percepts
Environnement
Structure
actions
Effecteurs
Design III
13
Agent simple réflexe
Capteurs
Analyse des données
Règles condition-action
Quelle action dois-je
faire maintenant?
Effecteurs
Simple reflex agent
Environnement
Agent
14
Design III
Agent simple réflexe
15
Design III
Agent réflexe avec état
interne
Capteurs
Agent
Analyse des données
Quel est l’impact de mes actions?
Règles condition-action
Quelle action dois-je
faire maintenant?
Effecteurs
Model-based reflex agent
Environnement
État
16
Design III
Agent réflexe avec état
interne
Design III
17
Agent basé sur les buts
Capteurs
Agent
Quel est l’impact de mes actions?
Buts
Analyse des données
Comment sera le monde
si je fais l’action A?
Quelle action dois-je
faire maintenant?
Effecteurs
Goal-based agent
Environnement
État
Design III
18
Plan
Intelligence artificielle et agent intelligent
Algorithmes d’exploration
Exploration non informée
Exploration heuristique
Discrétisation d’espace
Espace de configuration
Discrétisation de l’espace continu
Exemples d’exploration
Design III
Planification de trajectoire
Représentation continue
(espace des configurations)
Discrétisation
Recherche dans un graphe
(best-first, A*)
Le contenu de
cette section
20
Design III
Recherche dans un graphe
environnement
représentation discrète
représentation par
graphe
Design III
21
Exploration par résolution de
problèmes
1.Formulation d’un but:
Un état à atteindre.
2.Formulation du problème:
Les états et les actions à considérer.
3.Exploration de solution:
Examiner les différentes séquences d’actions
menant à un état but;
Et choisir la meilleure.
4.Exécution:
Accomplir la séquence d’actions sélectionnées.
22
Design III
Agent basé sur les buts :
Agent de résolution de problèmes
23
Design III
Exemple de formulation de problèmes :
Planification de route
24
Design III
Exemple de formulation de problèmes :
Planification de route
• On est à Arad et on veut aller à Bucharest
– Problème:
• États : villes
• Actions : aller d’une ville à une autre.
– But :
• Être à Bucharest
– Solution :
• Une séquence de villes.
• Par ex. Arad, Sibiu, Fagaras, Bucharest
– Coût :
• Distance entre les deux villes (en km)
• Environnement simple
– statique, observable, discret et déterministe
25
Design III
Exploration de solutions dans un arbre
• Exploration obtenue par simulation
– On simule l’exploration de l’espace d’états en générant des successeurs
pour les états déjà explorés.
• Exploration de type hors-ligne (offline)
Arad
Sibiu
Arad
Sibiu
Fagaras
Oradea
Bucharest
Timisoara
Rimnicu Vilcea
Zerind
26
Design III
Exemple d’exploration dans un arbre
27
Design III
Exemple d’exploration dans un arbre
28
Design III
Exemple d’exploration dans un arbre
29
Design III
Exploration dans un arbre :
Mise en oeuvre
30
Design III
Exploration de solutions dans un arbre
• Simuler l’exploration de l’espace d’états en générant des successeurs pour
les états déjà explorés.
• Nœud de recherche
– État: l’état dans l’espace d’état.
– Nœud parent: Le nœud dans l’arbre de recherche qui a généré ce nœud.
– Action: L’action qui a été appliquée au parent pour générer ce nœud.
– Coût du chemin: Le coût g(n) du chemin à partir de l’état initial jusqu’à ce
nœud.
– Profondeur: Le nombre d’étapes dans le chemin à partir de l’état initial.
31
Design III
Stratégies d’exploration
• Détermine l’ordre de développement des nœuds.
• Explorations non informées
– Aucune information additionnelle.
– Elles ne peuvent pas dire si un nœud est meilleur qu’un
autre.
– Elles peuvent seulement dire si l’état est un but ou non.
• Explorations informées (heuristiques):
– Elles peuvent estimer si un nœud est plus prometteur
qu’un autre.
32
Design III
Stratégies d’exploration non
informées
• Largeur d’abord (Breath-first - BFS)
• Coût uniforme (Uniform-cost - UFS)
• Profondeur d’abord (Depth-first - DFS)
• Profondeur limitée (Depth-limited - DLS)
• Itérative en profondeur (Iterative deepening - IDS)
• Bidirectionnelle (Bidirectional search)
Design III
33
Largeur d’abord (BFS)
• Approche
– Développer tous les noeuds au niveau i
– Développer par la suite tous les nœuds au niveau
i+1
– Et ainsi de suite…
• Implémenté à l’aide d’une file.
– Les nouveaux successeurs vont à la fin.
Design III
34
Exemple largeur d’abord
A
File:
B
D
B
C
E
F
C
G
Ordre de visite: A – B – C – D – E – F - G
D
E
F
G
Design III
35
Évaluation des stratégies
• Complétude:
– Est-ce que l’algorithme garantit de trouver une
solution s’il y en a une?
• Optimalité:
– Est-ce que la stratégie trouve la solution
optimale?
• Complexité en temps:
– Combien de temps pour trouver une solution?
• Complexité en espace:
– Quelle quantité de mémoire a-t-on besoin?
Design III
36
Propriétés de largeur d’abord
• Complétude : oui, si b est fini
• Complexité en temps : O(b^d)
– 1 + b^1 + b^2 + b^3 + … + b^d = O(b^d)
• Complexité en espace : O(b^d)
– Garde tous les nœuds en mémoire
• Optimal : non en général.
– Oui si le coût des actions est le même pour toutes les
actions
Profondeur
Nœuds
(b=10)
Temps
Mémoire
(1 million nœuds/sec)
(1000 octets/ nœuds)
8
108
2 minutes
103 gigaoctet
12
1012
13 jours
1 pétaoctets
Design III
37
Coût uniforme (UCS)
• Développe le nœud ayant le coût le plus
faible.
– g(n) := coût du nœud initial au nœud développé.
• File triée selon le coût.
• Si le coût des actions est toujours le même
– Équivalent à largeur d’abord !
Design III
38
Coût uniforme (UCS)
99
80
310
177
278
Design III
39
Coût uniforme
• Complète : oui, si le coût > ε
• Complexité en temps :
nombre de nœuds avec g(n) ≤ coût(solution optimale)
O(b^(1+ C*/ ϵ))
où C* est le coût de la solution optimale.
• Complexité en espace : même que celle en temps
• Optimal : oui
– Les nœuds sont développés en ordre de g(n).
40
Design III
Profondeur d’abord (DFS)
• Développe le nœud le plus profond.
• Implémenté à l’aide d’un pile.
– Les nouveaux nœuds générés vont sur le dessus.
Design III
41
Exemple profondeur d’abord
Pile:
A
B
C
D
H
E
D
JI
H
I
J
K
Ordre de visite: A – B – D – H – I – E – J – K - C
B
E
K
C
Design III
42
Propriétés de profondeur d’abord
• Complétude :
– Non si la profondeur est infinie, s’il y a des cycles.
– Oui, si on évite les états répétés ou si l’espace de
recherche est fini.
• Complexité en temps : O(b^m)
– Très mauvais si m est plus grand que d.
– Mais si les solutions sont denses, il peut être
beaucoup plus rapide que largeur d’abord.
• Complexité en espace : O(bm), linéaire
• Optimal : Non
43
Design III
Profondeur limitée (DLS)
• L’algorithme de profondeur d’abord, mais
avec une limite de l sur la profondeur.
– Les nœuds de profondeur l n’ont pas de
successeurs.
• Complétude : Seulement si l > d
• Complexité en temps : O(b^l)
• Complexité en espace : O(bl), linéaire
• Optimal : Non!
Design III
44
Exemple profondeur limité
Limite l = 2
A
B
C
D
H
E
I
Pile:
J
D
K
Ordre de visite: A – B – D – E - C
B
E
C
45
Design III
Itérative en profondeur (IDS)
• Profondeur limitée, mais en essayant
toutes les profondeurs: 0, 1, 2, 3, …
• Évite le problème de trouver une limite
pour la recherche profondeur limitée.
• A les avantages de largeur d’abord
(complète et optimale),
– Mais a la complexité en espace de profondeur
d’abord.
– Donc une combinaison des deux stratégies.
Design III
46
Exemple - itérative en profondeur
12
13
14
7
6
5
2
1
20
B
3
Limite: 3
0
1
2
A
C
8
H
I
J
K
L
M
N
O
15
16
18
19
22
23
25
26
E
10
4
17
D
21
9
F
24 11
G
Ordre de visite: A – A – B – C – A – B – D – E – C – F – G – A – B – D – H – I – E – J –
K–C–F–L–M–G–N–O
47
Design III
Propriétés itérative en profondeur
• Complétude: Oui
• Complexité en temps:
– (d+1)b^0 + db^1+ (d-1)b^2 + b^d = O(b^d)
• Complexité en espace: O(b^d)
• Optimal?
– Oui, si le coût de chaque action est de 1.
– Peut être modifiée pour une stratégie de
coût uniforme.
Design III
48
Stratégie de recherche non-informées : Sommaire
Dans ce tableau:
1) b est le facteur de branchement;
2) d est la profondeur du but le - profond;
3) m est la profondeur max;
4) l est la profondeur limite
49
Design III
Répétition d’états
• La répétition d’états fait perdre du temps
– Dans le pire cas, la recherche tourne en rond
dans les cycles créés.
• Détection de répétitions
– Normalement faite en comparant les nouveaux
nœuds aux nœuds déjà développés.
• Avant d’éliminer le nouveau nœud
– On doit vérifier s’il est meilleur que le nœud que
l’on a déjà.
50
Design III
Répétition d’états :
Exploration de type Graph-Search
51
Design III
Exploration de type
Graph-Search
52
Design III
Stratégies d’exploration informées
• Stratégies d’exploration non
informées
– Ne sont pas très efficaces dans la plupart
des cas.
– Elles ne savent pas si elles approchent du
but.
• Stratégies d’exploration informées
– Elles utilisent une fonction d’estimation
• Fonction heuristique.
• Pour choisir les nœuds à visiter.
Design III
53
Stratégies d’exploration informée
•
•
•
•
Meilleur d’abord (BFS - Best-first)
Meilleur d’abord gloutonne (Greedy best-first)
A* (A-Star)
Algorithmes heuristiques à mémoire limitée
•
•
•
•
Par escalade (Hill-climbing)
Par recuit simulé (Simulated annealing)
Exploration locale en faisceau (Local beam)
Algorithmes génétiques
– IDA*, RDFS et SMA*
54
Design III
Exemple d’exploration:
Voyage en Roumanie
(avec coûts en km)
55
Design III
Meilleur d’abord
A
f(B)= g(B) + h(B)
• L’idée principale
g(B)
– Utiliser une fonction d’évaluation
B
– Estimer l’intérêt des nœuds
– Développer le nœud le plus intéressant.
• Le nœud à développer est choisi selon une fonction
h(B)
d’évaluation f(n)
.
• Une composante importante de ce type d’algorithme
.
est une fonction heuristique h(n)
.
– Elle estime le coût du chemin le plus court pour se
rendre au but.
• Deux types de recherche meilleur d’abord
– Meilleur d’abord gloutonne.
but
– A*
Design III
56
Meilleur d’abord gloutonne
• f(n) = h(n)
• Donc on choisit toujours
de développer le nœud le
plus proche du but.
A
g(B)
f(B)= h(B)
B
h(B)
.
.
.
but
Design III
57
Exemple meilleur d’abord gloutonne
366 Arad
253 Sibiu
366 Arad
176 Fagaras
253 Sibiu
380 Oradea
329
Timisoara
193 Rimnicu Vilcea
0 Bucharest
But atteint, l’exploration arrête.
374 Zerind
Design III
58
Propriétés - Meilleur d’abord gloutonne
• Complétude : Non
– Car elle peut être prise dans des cycles.
– Mais oui, si l’espace de recherche est fini avec vérification
des états répétés.
• Complexité en temps : O(b^m)
– Mais une bonne fonction heuristique peut améliorer
grandement la situation.
• Complexité d’espace : O(b^m)
– Elle retient tous les nœuds en mémoire.
• Optimale : Non
– Elle s’arrête à la première solution trouvée.
59
Design III
A* (A-star)
• Fonction d’évaluation: f(n) = g(n) + h(n)
– g(n) : coût du nœud de départ jusqu’au nœud n
– h(n) : coût estimé du nœud n jusqu’au but
– f(n) : coût total estimé du chemin passant par n pour se
rendre au but.
• A* utilise une heuristique admissible
– c’est-à-dire h(n) ≤ h*(n)
– h*(n) est le véritable coût pour se rendre de n au but.
• Demande aussi que :
– h(n) ≥ 0, et que
– h(G) = 0 pour tous les buts G.
A
g(B)
f(B)= g(B) + h(B)
B
h(B)
.
.
.
but
Design III
60
Exemple A*
366 = 0 + 366
393 = 140 + 253 Sibiu
Arad
447 = 118 + 329
Timisoara
Zerind
449 = 75 + 374
Arad
415 = 239 + 176 Fagaras
646 = 280+ 366
Oradea
413 = 220 + 193
Rimnicu Vilcea
671 = 291 + 380
Craiova
Sibiu
591 = 338 + 253
Bucharest
417 = 317 + 100 Pitesti
526 = 366 + 160
Sibiu
553 = 300 + 253
450 = 450 + 0
But atteint, la recherche arrête.
Bucharest
Craiova
Rimnicu Vilcea
418 = 418 + 0
615 = 455 + 160
607 = 414 + 193
Design III
61
Propriétés de A*
• Complétude : Oui
– À moins qu’il y est une infinité de nœuds avec f ≤ f(but).
• Complexité de temps : Exponentielle
– Selon la longueur de la solution.
• Complexité en espace : Exponentielle
– Selon la longueur de la solution.
– Elle garde tous les nœuds en mémoire.
• Optimale : Oui
– Habituellement, on manque d’espace longtemps avant de
manquer de temps.
Design III
62
Exploration heuristique à mémoire
limitée
• A* est parfois trop gourmand en mémoire.
• Il existe des algorithmes pour surmonter ce
problème dont:
– IDA*;
– RBFS;
– SMA*.
• Ces algorithmes permettent de préserver
l’optimalité et la complétude.
• L’augmentation du temps d’exécution est
raisonnable.
• Voir les notes de 2011 pour un exemple de IDA*.
Design III
63
Plan
Intelligence artificielle et agent intelligent
Algorithmes d’exploration
Exploration non informée
Exploration heuristique
Discrétisation d’espace
Espace de configuration
Discrétisation de l’espace continu
Exemples d’exploration
Design III
Planification de trajectoire
Représentation continue
(espace des configurations)
Discrétisation
Recherche dans un graphe
(blind, best-first, A*)
Le contenu de
cette section
65
Design III
Espace de configuration C
Espace
libre
• Transformation de l’espace
– Réduire la dimension du robot
• Le centre du robot devient le point de référence.
– « Gonfler » les obstacles
• Reporter les dimensions du robot sur les obstacles.
– Planifier un chemin dans l’espace de
configuration (C-space)
• Avec les obstacles gonflés et le robot comme un point.
66
Design III
Espace de configuration C
• Pour un robot circulaire se déplaçant
en x-y
Espace libre
67
Design III
Espace de configuration C
• Le centre du robot ne peut être que dans la zone grise.
Clibre
régions non-accessibles
(approximé comme un cercle)
Design III
Espace de configuration C
• Pour un robot se déplaçant en (x,y,θ)
intersect
ion
68
69
Design III
Trajectoire libre vs.
semi-libre
Design III
Planification de trajectoire
Représentation continue
(espace des configurations)
Discrétisation
Le contenu de
cette section
Recherche dans un graphe
(blind, best-first, A*)
71
Design III
Discrétisation
environnement
représentation discrète
représentation par graphe
72
Design III
Découpage de l’espace
73
Design III
Grille régulière uniforme
• La forme la plus simple de découpage.
• On découpe l’espace en cellules, toutes de même dimension.
On marque les cellules contenant les obstacles
– Les cellules occupées.
– Et reporter la dimension du robot.
• On recherche un chemin dans les cellules vides.
74
Design III
Grille régulière uniforme
• Deux types de déplacement possibles
– Connectivité 4 directions
connectivité
von Neumann
1
4 C 2
– Connectivité 8 directions
3
connectivité
Moore
1 2 3
4 C 5
6 7 8
Design III
Grille régulière uniforme :
Exploration meilleur d’abord
• Explorer la grille G avec une stratégie
meilleur d’abord avec fonction
heuristique
But
Design III
76
Grille régulière uniforme :
Propagation par front d’onde
• Exploration sur une grille régulière (Wavefront planner)
– 0: non-visité 1: obstacle 2: indique le départ
but
départ
77
Design III
Grille régulière uniforme :
Propagation par front d’onde
• À chaque étape :
– On ajoute +1 aux cellules adjacentes ayant des 0
– Déplacement à 8 directions pour cet exemple (au choix)
Design III
Grille régulière uniforme :
Propagation par front d’onde
• On continue jusqu’à ce qu’il n’y ait plus de cellules 0 à
côté des cellules > 2
79
Design III
Grille régulière uniforme :
Propagation par front d’onde
80
Design III
Grille régulière uniforme :
Propagation par front d’onde
81
Design III
Grille régulière uniforme :
Propagation par front d’onde
82
Design III
Grille régulière uniforme :
Propagation par front d’onde
•
On continue jusqu’à ce que la grille soit pleine
• Les 0 correspondent aux cellules non accessibles
83
Design III
Grille régulière uniforme :
Propagation par front d’onde
• La trajectoire consiste à partir du but et à choisir
de façon vorace les cases les plus petites.
84
Design III
Grille régulière uniforme :
Propagation par front d’onde
search() : return boolean {
graph := {nodes}, {edges} ;
fringe := {root} ;
visited := empty ;
return breadth-first-search (graph, fringe, visited);
}
breadth-first-search (graph, fringe, visited) return boolean {
while fringe not empty {
node := first element of fringe ;
if node is what we are searching for {
return success ;
}
//do whatever you need to do to node here
children := find children of node in graph;
add children not in visited to back of fringe ;
add node to visited ;
remove node from fringe;
}
return failure;
}
Design III
85
Grille régulière uniforme
• Point à considérer :
– Si les cellules sont trop petites
• On augmente le nombre de nœuds considéré durant
l’exploration (temps de calcul).
– Si les cellules sont trop grosses
• Risque d’avoir des solutions de moindre qualité (moins
d’options de chemins).
• Possibilité de ne pas trouver de chemin réalisable.
– Choisir une taille de cellule empiriquement
• En fonction de la taille du robot , des obstacles et de la table.
86
Design III
Grille non régulière
• Découpage par des quadtrees
– On divise l’espace en deux régions.
– On répète pour chaque région jusqu’à ce qu’on
sépare les obstacles des régions libres.
– Revient à créer un arbre binaire qui contient les
différentes régions de notre espace de configuration.
87
Design III
Grille non régulière - quadtrees
Space Representation
Equivalent quadtree
88
Design III
Grille non régulière - quadtrees
Space Representation
Equivalent quadtree
NW child
Gray node
NE
SW
SE
Free node
89
Design III
Grille non régulière - quadtrees
Space Representation
Equivalent quadtree
G
S(G)
Obstacle Node
90
Design III
Grille non régulière - quadtrees
Space Representation
Equivalent quadtree
91
Design III
Grille non régulière - quadtrees
Space Representation
Equivalent quadtree
92
Design III
Grille non régulière - quadtrees
Space Representation
Equivalent quadtree
Complete quadtree
93
Design III
Grille non régulière - quadtrees
• Planification de trajectoire
– Trouver le chemin qui mène du point de départ
au but.
.
.
.
.
.
.
.
– En passant par le centre des régions libres.
Design III
94
Décomposition cellulaire verticale
• Décomposer une carte 2D en trapèzes et triangles.
• Pour chaque sommet Pi des obstacles:
– Étend ligne verticale en haut et en bas, jusqu’à un obstacle
• 4 cas possibles:
– C1:(haut,bas)
– C2:(haut),
– C3:(bas),
– C4:(aucun)
95
Design III
Décomposition cellulaire verticale
Étape 2:
place 1 point au milieu
frontière entre cellules
Étape 3:
place 1 point au milieu
de la cellules
Étape 4:
relie les centres aux
points frontières
96
Design III
Décomposition cellulaire verticale
• Planification :
recherche dans le
graphe du chemin le
plus court
• Donne des
trajectoires qui sont
en général loin des
obstacles
97
Design III
Ce dont je n’ai pas parlé...
• Graphe de visibilité – voir matériel de 2012
• Diagramme de Voronoi – voir matériel de 2012
• Approche Bug
– Déplacement qui s’inspire de celui des insectes.
• SLAM (Simultaneous localisation and mapping)
– Déplacement lorsqu’un robot veut construire une
carte d’un environnement inconnu
• Méthodes probabilistes
– Probabilistic Roadmaps
– RRT-Connect
98
Design III
Points à considérer
• On suit la trajectoire planifiée hors ligne…
– En boucle ouverte
– En boucle fermée
• Par la caméra, la kinect ou un capteur de proximité.
• Quel est le cycle de rétroaction? (100 ms, 1s, 10 s?)
99
Design III
Conclusion
• Plusieurs options disponibles pour
structurer votre espace de navigation
• Différents niveaux de complexité
• Prêter une attention particulière :
– Aux trajectoires semi-libres;
– Aux approches trop coûteuses en temps;
– Replanifier votre itinéraire en cas de
déviation de la trajectoire initiale.