IRforum

 

 

car la projection de cette vitesse par rapport plan du sol est nulle

 

Si je comprend bien on peut illustrer cela par 2 plans (ou 2 repère si c'est possible), celui du drone et celui du sol qui sont parallèles et dont la projection de cette vitesse par rapport plan du sol varie selon le déplacement du drone c'est ça ? est-ce qu'il est possible d'avoir 2 repères ou vous vouliez parler de plan/vecteurs ? 

Tu peux prendre l'exemple d'un drone qui doit naviguer dans un espace donné. 

 

Tout d'abord, je vous remercie, j'ai enfin un point de départ solide et cet exemple m'aide beaucoup.

 

 

 

Tu as le repère du drone et le repère de l'environnement, 

Tu as le vecteur directeur du drone, la norme donne sa vitesse , " pure "  la projection orthogonale de cette vitesse sur le plan 2D du sol donne sa vitesse par rapport au sol, si jamais je drone doit suivre un objet au sol. 

Pourriez-vous développer et m'expliquer cette notion de repère ? ce n'est pas possible d'avoir uniquement un seul repère ?

 

Je n'ai pas compris ce que vous vouliez dire par " pure "  qu'est-ce que ça signifie ? 

Merci pour le temps que vous avez pris pour me répondre, c'est vraiment intéressant et ça m'aide beaucoup.

Merci beaucoup pour votre réponse, j'ai assez d'éléments pour faire mes recherches moi-même maintenant.

Bonjour,

la combinaison robotique + probablilités + repérage/vecteurs dans l'espace me fait avant tout penser à la localisation basée sur des capteurs qui ne fournissent bien souvent qu'une information partielle (soit bruitée, soit incertaine).

 

On y trouve plusieurs sous-thèmes :

- la fusion de données bruitées, souvent avec un filtre de kalman : Par exemple, on combine les données GPS (fortement bruitées, mais sans dérives) avec un IMU (ie capteur inertiel : accéléromètre + gyroscope) (données très précises à court therme, mais sujet à d'importantes dérives sur le moyen et long therme). Dans l'approche des filtres de kalman, on considère à chaque étape que la position est représenté par une distribution gaussienne des coordonnées (en 2D ou 3D, voir souvent en plus de dimensions si on ajoute la vitesse et l'orientation dans le vecteur état). Chaque étape consiste à estimer le nouvel état (position moyenne et matrice de probabilités) en fonction soit du "processus", soit des nouvelles mesures

- la localisation sur une carte, à partir de données limitées (par exemple, on sait si la route tourne à gauche ou à droite, mais on n'a pas de mesure de la position absolue) : il y a alors divers algorithmes probabilistes pour déterminer la position du robot, par exemple les "filtres à particules". NB : il me semble qu'on considère rarement les coordonnées comme des vecteurs dans ce genre d’applications, plus comme des points dans l'espace.

- la localisation sans carte préexistante (SLAM) : on essaye de retrouver un objet d'une mesure (souvent image) à la prochaine, de manière a estimer les déplacements. Ou à une échelle de temps plus longue, de retrouver des points déjà vu pour faire de la fermeture de boucles. Vu qu'on n'est jamais "sûr" de reconnaitre un objet, il faut adopter une approche probabiliste (sinon la moindre fausse détection trompe complètement le robot.

 

Si tu veux choisir un seul sous thème, je te suggère les filtres de kalman, qui adaptent vraiment le point de vue vectoriel, et dont les distribution de probabilités gaussiennes sont le coeur.

 

Tout d'abord, je vous remercie pour votre réponse et le temps que vous avez pris pour l'écrire.

 

En regardant les sous-thèmes que vous m'avez proposé j'ai fais des recherches pour essayer de comprendre cependant, je pense que ces sous-thèmes sont un peu trop complexes pour moi. Par exemple, je ne pense pas être capable de présenter le premier sous thème en 5 minutes et de manière assez simplifier pour les deux examinateurs. je garderais votre réponse pour faire d'autres recherches sur le sujet si je n'ai aucune alternative.

 

Dans la limite du possible pourriez-vous me proposer d'autres sujets plus accessibles ? Je pensais à quelque chose de plus simple concernant la conception assistée par ordinateur où lors de simulations ou de tests virtuels, le robot doit par exemple suivre un parcours en ayant des choix à faire et en prenant une décision avec le taux de réussite le plus élevé.