PRÉSENTATION DU PROJET : SIMULATION D'EXPLORATION MULTI-ROBOTS 3D

L'exploration multi-robots représente une avancée majeure dans le domaine de la robotique autonome, permettant de cartographier efficacement des environnements inconnus. Ce projet combine des algorithmes hybrides, une coordination intelligente et une interface 3D interactive pour optimiser la couverture spatiale tout en évitant les conflits entre robots. Les applications vont de la cartographie de zones sinistrées à l'exploration planétaire, en passant par la surveillance industrielle. Cette présentation détaille l'architecture, les méthodes et les résultats obtenus, mettant en lumière les innovations techniques et les perspectives futures.

Pourquoi l'exploration multi-robots ?

• Applications réelles : cartographie de zones sinistrées, exploration planétaire, surveillance d'entrepôts
• Défis techniques : environnement inconnu, perception limitée, coordination sans contrôle central
• Objectif : développer un système logiciel pour cartographier efficacement en minimisant le temps

Architecture Client-Serveur Modulaire

• Backend (Flask - Python) : serveur web avec Flask-SocketIO, générateur de labyrinthes, contrôle des robots
• Frontend (Three.js - JavaScript) : moteur de rendu 3D, interface utilisateur interactive, visualisation temps réel
• Communication : WebSockets pour synchronisation bidirectionnelle instantanée

Méthode Hybride : Frontier + Potential Field

• Frontier-Based Exploration : détection des frontières entre zones connues et inconnues
• Potential Field optimisé : calcul par BFS 8-directions, inversion des valeurs pour zones attractives
• Formule de choix de cible : score basé sur le potentiel et la distance

Coordination et Évitement de Conflits

• Répartition intelligente : clustering DBSCAN des frontières, attribution aux robots les plus proches
• Résolution proactive des conflits : comparaison des temps d'arrivée, replanification dynamique
• A* amélioré : 8 directions de mouvement, heuristique octile, obstacles dynamiques

Gestion des Blocages et Fallback DRL

• Détection des blocages : surveillance du stall_timer, identification des deadlocks
• Stratégie de secours DRL : activation du module DRL en cas de blocage, actions basées sur l'environnement local
• Avantages : solution autonome aux situations critiques sans intervention humaine

Visualisation Temps Réel avec Three.js

• Éléments visuels : labyrinthe 3D, robots colorés, cellules visitées, frontières et chemins planifiés
• Contrôles utilisateur : génération de labyrinthes, sliders pour nombre de robots, navigation caméra 3D
• Métriques affichées : pourcentage de couverture, temps écoulé, nombre d'itérations

Méthodologie Expérimentale

• Variables testées : nombre de robots, taille de grille, densité de murs, complexité du labyrinthe
• Métriques collectées : taux de couverture, temps de calcul, nombre d'itérations, conflits résolus
• Nombre d'essais : 10 exécutions par configuration pour validité statistique

Couverture vs. Nombre d'Itérations

• Observation principale : l'ajout de robots réduit significativement le nombre d'itérations nécessaires
• Données à montrer : courbes pour 1, 2, 3, 4 robots, pente initiale plus raide avec plus de robots
• Analyse : 4 robots réduisent de 65% le nombre d'itérations par rapport à 1 robot seul

Temps de Calcul vs. Nombre de Robots

• Observation principale : le temps de calcul augmente avec le nombre de robots, mais le temps par robot diminue
• Données à montrer : temps total d'exécution, temps moyen par robot, impact de la coordination
• Analyse : surcoût algorithmique de ~15% par robot additionnel, équilibre optimal à 3-4 robots

Taux de Couverture vs. Taille de Grille

• Observation principale : l'algorithme maintient une couverture >98% même sur de grandes grilles
• Données à montrer : taux de couverture finale pour différentes tailles, nombre d'itérations nécessaires
• Analyse : échelle linéaire du nombre d'itérations avec la taille de grille, bonne scalabilité jusqu'à 50x50

Comparaison avec les Approches de la Littérature

• Tableau comparatif : couverture, temps, robustesse, complexité pour différentes approches
• Points forts de notre solution : couverture presque parfaite, robustesse exceptionnelle, interface intégrée
• Limites identifiées : surcoût de calcul en multi-robot, passage étroits pouvant causer des blocages

Résumé et Travaux Futurs

Ce projet a permis de concevoir et implémenter un système complet d'exploration multi-robots, combinant des algorithmes hybrides innovants avec une interface 3D interactive. Les résultats démontrent une couverture excellente et une robustesse accrue grâce au fallback DRL. Les perspectives futures incluent l'intégration d'un DRL plus sophistiqué, l'extension à des environnements 3D complets, et le déploiement sur robots physiques. Cette approche hybride ouvre la voie à des applications concrètes dans des domaines variés, tout en garantissant efficacité et extensibilité.