La robotique en essaim est une branche de la robotique appliquant les méthodes d'intelligence distribuée aux systèmes à plusieurs robots. Il s'agit généralement d'utiliser des robots simples, voire simplistes, et peu coûteux, d'un intérêt individuel assez limité, mais qui ensemble (par exemple via des capacités d'autoassemblage ou d'auto-organisation) forment un système complexe et robuste.
La robotique en essaim cherche à étudier la conception et le comportement des robots. Des règles relativement simples peuvent donner naissance à un ensemble complexe de comportements en essaim voire à des comportements émergents. Une composante clé de l'essaim est la communication entre ses membres, établissant un système de retours en boucle qui vise à la coopération du groupe.
Origines et bioinspiration La robotique en essaim s'inspire des études entomologiques sur des insectes sociaux tels que les fourmis, les termites ou les abeilles., ou encore les comportements de groupes ou de coopération d'autres organismes (bactéries, vers (ex : Lumbriculus variegatus) bancs de poissons (sardines par exemple), oiseaux (tels que les étourneaux), etc.). L'intérêt est la capacité qu'ont ces agents simples à produire collectivement des systèmes intelligents ; de cette manière, ils réalisent ensemble des tâches inabordables pour un insecte seul. La robotique en essaim cherche à faire de même avec des robots simples. Comme on le verra plus loin, des propriétés intéressantes découlent de cette situation.
Avantages et inconvénients Les avantages les plus souvent cités sont : un faible coût pour une couverture plus étendue ; une capacité de redondance (si l'un des robots est défaillant en raison d'une panne, d'un blocage, etc. un autre robot peut prendre des mesures pour le dépanner ou le remplacer dans sa tâche)Christensen A.L, O’Grady R & Dorigo M (2009) From fireflies to fault tolerant swarms of robots. IEEE Transactions on Evolutionary Computation, 13(4):1–12 ; Université libre de Bruxelles IRIDIA (résumé). la capacité à couvrir une grande surface. Duarte & al. ont par exemple montré (via une simulation appliquée au cas de l'île de Lampedusa) en 2014 qu'un essaim de 1000 petits drones aquatiques dispersés en mer à partir de 2 bases pourraient en 24 heures faire un bilan de surveillance sur une bande maritime longue de 20 km Duarte M, Oliveira S.M & Christensen A.L (2014) Hybrid control for large swarms of aquatic drones ; in 14th International Conference on the Synthesis & Simulation of Living Systems (ALIFE), pages 785–792. MIT Press, Cambridge, MA (PDF, 8 pp) ;
À ce jour, les essaims de robots ne peuvent remplir que des tâches relativement simples, ils sont souvent limités par leur besoin en énergie. De manière plus générale, les difficultés d'interopérabilité quand on veut associer des robots de nature et d'origines différentes sont aussi encore très limitantes.
Propriétés À la différence de la plupart des systèmes robotiques répartis, la robotique en essaim insiste sur un grand nombre de robotshttp://infoscience.epfl.ch/record/166168/files/JNRR07.pdf et promeut la mise à l'échelle, par exemple l'utilisation de communications locales sous forme d'infrarouge ou Sans-Fil.
On attend de ces systèmes qu'ils possèdent au moins les trois propriétés suivantes : la robustesse, qui implique la capacité de l'essaim à continuer à fonctionner malgré les défaillances de certains individus le composant et/ou les changements qui peuvent survenir dans l'environnement ; la flexibilité, qui implique une capacité à proposer des solutions adaptées aux tâches à réaliser ; la , qui implique que l'essaim doit fonctionner quelle que soit sa taille (à partir d'une certaine taille minimum).
Selon Sahin (2005) et Dorigo (2013)dans un système robotique en essaimSahin E (2005) [Swarm robotics : from sources of inspiration to domains of application]. In Swarm Robotics, volume 3342 of Lecture ; Notes in Computer Science, pages 10–20. Springer, Berlin, Heidelberg (résumé), dans l’essaim : Chaque robot est autonome ; les robots sont habituellement capables de se situer par rapport à leurs voisins les plus proches (positionnement relatif) et parfois dans l'environnement globalHauert S, Zufferey J & Floreano D (2009) Evolved swarming without positioning information : an application in aerial communication relay. Autonomous Robots, 26(1):21–32, PDF, 12pp (résumé)., même si certains systèmes essayent de se passer de cette donnée ; les robots peuvent agir (ex : pour modifier l'environnement, coopérer avec un autre robot.) ; Les capacités de détection et de communication des robots entre eux sont locales (latérales) et limitées ; les robots ne sont pas reliés à un contrôle centralisé ; ils n'ont pas la connaissance globale du système dans lequel ils coopèrent ; les robots coopèrent pour effectuer une tâche donnée ; des phénomènes émergents, comportements globaux peuvent ainsi apparaîtreDorigo, M., Floreano, D., Gambardella, L. M., Mondada, F., Nolfi, S., Baaboura, T., Birattari, M., Bonani, M., Brambilla, M., Brutschy, A., et al. (2013). Swarmanoid: a novel concept for the study of heterogeneous robotic swarms. IEEE Robotics & Automation Magazine, 20(4):60–71 (résumé).
Programmation Robotique évolutionnaire
Degré d'autonomie L’autonomie implique qu'un robot puisse se gouverner par ses propres lois, éventuellement au sein d'un essaim (en acceptant alors les lois de l'essaim).
Selon Huang (2008), un système cybernétique est autonome s'il peut Hui-Min Huang (2008) Autonomy Levels for Unmanned Systems (ALFUS) Framework - Volume I : Terminology. Dans Special Publication 1011-I-2.0, National Institute of Standards and Technology (NIST) et cette autonomie peut être quantifiée selon trois axesHui-Min Huang (2007) Autonomy levels for unmanned systems (ALFUS) framework : safety and application issues. Dans Proceedings of the 2007 Workshop on Performance Metrics for Intelligent Systems, pages 48–53. ACM : indépendance vis-à-vis de l’humain ; complexité de la mission ; complexité de l’environnement.
L'agence européenne pour la recherche en robotiqueSPARC. Robotics 2020 multi-annual roadmap for robotics in europe, Horizon 2020 Call ICT-2017 (ICT-25, ICT-27 and ICT-28), Release B. 02/12/2016. (Cité en page 13.) a retenu pour sa feuille de route 2020 : 11 niveaux d’autonomie pour les robots, en rappelant que les facteurs environnementaux, le coût d’une mauvaise décision, le temps durant lequel le robot doit être autonome, ainsi que .
Selon T Sotiropoulos (2018) Le système doit donc à la fois disposer de capteurs de perception de son environnement et d’actionneurs pour agir sur cet environnement via des choix préprogrammés ou faits via une intelligence artificielle. Un système autonome doit pouvoir tenir compte des incertitudes et des évolutions de son environnement ; son niveau d’autonomie est donc lié à ses capacités d’analyser les données acquises par ses capteurs, ainsi que de ses capacités de planification/décision à court, moyen et long termesSotiropoulos T (2018) Test aléatoire de la navigation de robots dans des mondes virtuels (Doctoral dissertation, Université de Toulouse, Université Toulouse III-Paul Sabatier)..
Études ; recherche et développement L'ingénierie des essaims de robots est dans les années 1990-2020 un secteur encore émergentJin, Y., & Meng, Y. (2011). Morphogenetic robotics: An emerging new field in developmental robotics. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 41(2), 145-160., qui s'appuie notamment sur la science de l'intelligence des essaimBrambilla, M., Ferrante, E., Birattari, M., & Dorigo, M. (2013). Swarm robotics: a review from the swarm engineering perspective. Swarm Intelligence, 7(1), 1-41. ; elle développe de nombreux sujets de R&D dont : l'amélioration logicielle et progicielle ; l'amélioration des outils de simulation informatique de comportements auto-organisateurs de robotsBrambilla, M., Ferrante, E., Birattari, M., & Dorigo, M. (2013). Swarm robotics: a review from the swarm engineering perspective. Swarm Intelligence, 7(1), 1-41.; l'amélioration les robots eux-mêmesO'Grady, R., Christensen, A. L., & Dorigo, M. (2009). SWARMORPH: multirobot morphogenesis using directional self-assembly. IEEE Transactions on Robotics, 25(3), 738-743.. Par exemple, deux chercheurs suisses de Lausanne (Floreano & Keller) ont en 2010 proposé de s'inspirer de la sélection darwinienne (adaptative) pour faire évoluer les robotsFloreano D & Keller L (2010) Evolution of adaptive behaviour in robots by means of Darwinian selection. PLoS Biology , 8(1):e1000292 ; la capacité à évoluer dans les 3 dimensions (dans l'air pour une flotte de drones aériens, ou sous l'eau pour un essaim de robots subaquatiques)Jaffe, J. S., Franks, P. J., Roberts, P. L., Mirza, D., Schurgers, C., Kastner, R., & Boch, A. (2017). A swarm of autonomous miniature underwater robot drifters for exploring submesoscale ocean dynamics. Nature communications, 8, 14189. , par exemple pour l'étude de la dynamique des masses d'eau et des courants marins ; l'amélioration de leur capacité à coopérer entre eux (ou avec d'autres types de robots) ; l'amélioration de leur capacité à mécaniquement se coordonner au sein d'un essaim massif, dont par algorithmes de programmation morphogénétique (et des simulations pour l'assemblage de structures complexes)MacLennan B.J (2019) Continuum Mechanics for Coordinating Massive Microrobot Swarms: Self-Assembly Through Artificial Morphogenesis. In Novel Design and Applications of Robotics Technologies (voir pp. 96-133). IGI Global (résumé). l'évaluation des comportements des essaims (le suivi vidéo est essentiel pour étudier le comportement en essaim d'une manière systématique, même si d'autres méthodes existent, comme le développement récent d'un suivi par ultrasons. Des recherches supplémentaires sont nécessaires pour ériger une méthodologie apte à la conception et à la prévision fiable des essaims lorsqu'on ne connaît que les traits des individus) ; la comparaison des avantages et inconvénients respectifs des approches Top-down et bottom-upCrespi, V., Galstyan, A., and Lerman, K. (2008). Top-down vs bottom-up methodologies in multi-agent system design. Autonomous Robots, 24(3):303–313Crespi V, Galstyan A & Lerman K (2005) Comparative Analysis of Top–Down and Bottom–up Methodologies for Multi–Agent System Design, AAMAS’05 July 25-29, 2005 Utrecht. ingénierie morphogénétique auto-organisée, basée sur la bioinspiration, dont à partir de l'étude de la morphogenèse. Cette dernière - dans la nature - permet notamment lors du développement embryonnaire à des millions de cellules de rapidement s'auto-organiser en structures parfois très complexes et avec une grande variété de structures fonctionnelles. Dans le vivant, cette émergence de structures et formes est intrinsèque (contrôlée par des circuits géniques, codés et identiques dans chaque cellule). Elle est souvent résiliente (allant jusqu'à la régénération d'organes ou de membres chez certaines espèces), robustes au bruit environnemental, intrinsèque et relativement adaptable à des environnements non-stables ; autant de propriétés qui intéressent les robotisions travaillant sur le travail en essaims par exemple pour des programmes de construction et/ou d'exploration. Dans le monde naturel, la morphogenèse semble se faire selon deux grandes voies et dynamiques : la voie « hiérarchique » (contrôle up-down, descendant) ; la voie « auto-organisatrice » (type structures de Turing à réaction-diffusion)