Localisation collaborative d’un système multi-robots avec détection et isolation de défauts capteurs basée sur la divergence de Kullback-Leibler

Abstract

Dans cette dernière décennie, les systèmes Multi-Robot prennent une place importante dans des applications comme les missions militaires, la gestion des catastrophes naturelles ou dans de sauvetage afin de remplacer l’humain dans des situations dangereuses. Dans ce type d’application, à chaque instant, l’intégrité de la localisation des robots doit être assurée. Ceci peut être réalisé en intégrant une étape de détection et d’exclusion de défauts capteurs. Dans cet article, une méthode de Localisation Collaborative (LC) tolérante aux défauts capteurs, avec un procédé de seuillage optimisé, est proposée. L’estimateur utilisé dans ce travail est la forme informationnelle du filtre de Kalman (FK), à savoir le Filtre Informationnel (FI). Les résidus générés sont basés sur la Divergence de Kullback-Leibler (DKL) entre les distributions de probabilité prédites et corrigées par le FI. Ces résidus comprennent deux tests : l’un compare les moyennes et l’autre compare les matrices de covariance. L’optimisation du seuil, en utilisant le critère entropique et la caractéristique de fonctionnement du récepteur (fréquemment désigné par la courbe ROC), est développée. Les contributions principales de ce papier : - Développement d’une méthode permettant simultanément la localisation collaborative ainsi que la détection et l’isolation des défauts capteurs, - Génération des résidus basés sur la divergence de Kullback-Leibler, - Optimisation du seuil avec des métriques informationnelles, -Validation avec des données réelles issues d’un groupe de Turtlebots instrumentés.