Des chercheurs du MIT présentent SANDO, un planificateur de trajectoire pour drones doté d’une garantie formelle d’absence de collision

Des chercheurs du MIT ont décrit un planificateur de trajectoire pour véhicules aériens sans équipage (UAV) baptisé SANDO, abréviation de Safe AutoNomous trajectory planning for Dynamic unknOwn environments (planification de trajectoire autonome et sûre pour environnements dynamiques inconnus). Selon MIT News, qui a annoncé ces travaux le 7 octobre, le système trace un itinéraire à travers un environnement que le drone n’a jamais cartographié, même lorsque des objets s’y déplacent d’une manière que personne ne peut prévoir, et l’équipe a démontré mathématiquement que les trajectoires obtenues évitent les collisions. L’article paraît dans la revue IEEE Transactions on Robotics. Les chercheurs évoquent des usages tels que des vols de recherche et de sauvetage dans des bâtiments effondrés, l’exploration de réseaux de tunnels cachés dans des mines ou la livraison de colis dans des quartiers animés.

Les planificateurs de ce type transforment les données des caméras et des capteurs de l’appareil en un chemin vers son objectif. Le MIT indique que la plupart des planificateurs existants soit supposent que les obstacles d’un espace inconnu restent immobiles, soit contournent les obstacles en mouvement sans aucune promesse formelle qu’aucun accident ne se produira ; les systèmes largement utilisés qui offrent de telles garanties nécessitent généralement une scène statique ou des obstacles connus à l’avance. Vérifier chaque collision possible dans une scène changeante serait trop lent pour un usage pratique, selon les chercheurs. L’auteur principal, Kota Kondo, le formule ainsi dans l’annonce du MIT : « Dans un environnement dynamique inconnu, on ne dispose pas de beaucoup d’hypothèses sur lesquelles s’appuyer. »

SANDO construit d’abord un corridor de sécurité, une chaîne de régions 3D connectées qui ne contiennent aucun obstacle et que le drone peut traverser. Contrairement aux corridors antérieurs, celui-ci évolue dans le temps. Un module dédié détecte les obstacles mobiles, les regroupe et les suit pour estimer leur direction. Comme leur trajectoire future exacte est inconnue, le planificateur prend la vitesse maximale de chaque obstacle, calcule la distance qu’il pourrait parcourir en un temps donné et l’enveloppe dans une sphère couvrant chaque point qu’il pourrait atteindre ; le corridor est ensuite façonné autour de ces sphères. Un planificateur à carte de chaleur signale les zones encombrées, dites « chaudes », afin d’en éloigner le drone. À l’intérieur du corridor, SANDO cherche l’itinéraire le plus rapide vers l’objectif et révise en continu le corridor comme la trajectoire pendant le vol. L’équipe a simplifié l’optimisation sous-jacente pour que l’ordinateur de bord puisse replanifier rapidement.

En simulation, rapportent les chercheurs, SANDO a atteint son objectif plus rapidement que plusieurs systèmes de pointe et n’a subi aucune collision dans aucun des environnements testés. Lors de 12 vols d’essai avec un véritable UAV, en fonctionnant sur l’ordinateur et les capteurs propres à l’appareil, il a évité tous les obstacles mobiles. « La partie la plus difficile du développement de SANDO, c’était les mathématiques », explique Kondo. Kondo, qui a récemment achevé son doctorat en aéronautique et astronautique au MIT, a rédigé l’article avec Jesús Tordesillas, aujourd’hui professeur assistant à l’Université pontificale de Comillas (Comillas Pontifical University) à Madrid, et trois étudiants de cycle supérieur du MIT, Juan Rached, Lili Sun et Yixuan Jia. Jonathan P. How, qui travaille au Laboratory for Information and Decision Systems (LIDS) du MIT et à son Aerospace Controls Laboratory, est l’auteur senior. La Defense Science and Technology Agency de Singapour a financé en partie ces travaux.

Fei Gao, de la Zhejiang University en Chine, professeur associé qui n’a joué aucun rôle dans le projet, a résumé le problème que vise le planificateur : « un chemin sûr au moment où il est planifié peut cesser de l’être à mesure que l’environnement change ». Il reconnaît aux corridors de vol variables dans le temps de SANDO, à l’optimisation de trajectoire sous contraintes strictes et aux essais sur matériel le mérite d’offrir une approche pratique pour des environnements dynamiques complexes. Comme prochaines étapes, les chercheurs indiquent qu’ils pourraient rendre SANDO moins gourmand en calcul et l’associer à des modèles d’apprentissage automatique afin que les utilisateurs puissent donner des instructions à un robot en langage courant. MIT News indique également un lien vers le code de SANDO à côté de l’article.