L'objectif de MUSCAA (2023-2027) est de proposer des mécanismes prédictifs pour adapter le comportement d'un robot mobile évoluant en milieu agricole afin de garantir son intégrité et l'efficacité de la tâche à accomplir. Les applications ciblées sont en agroécologie.

Pour ce faire, il est proposé d'investiguer des techniques d'apprentissage profond et des processus de cartographie enrichis afin d'associer des algorithmes d'observation à la perception de l'environnement. Les évolutions attendues du projet viseront notamment à relier les paramètres régissant la dynamique du robot (motricité, adhérence, vibration, action d'un outil sur le sol...), que l'on peut observer mais non prédire, avec des éléments de perception de haut niveau (texture de l'images, intensité laser, radar...), de manière à anticiper une variation de la comportement du robot. Les principales contributions proposés par ce projet pour améliorer le comportement des les robots sont :

• la reconnaissance de différents types de sols et de leur influence sur le comportement des robots, à l'aide de l'apprentissage automatique;
• la sélection des modes de perception et de contrôle
• l'adaptation des paramètres des lois de commande
• la conception et l'utilisation d'une base de données cartographique pouvant être partagée par plusieurs types de robots.

Partenaires : INRAE TSCF, IRL, Institut Pascal, SITIA, Robagri

Contact TSCF : Christophe Debain