Bref aperçu
Chapitre 1 : Robotique fourmi :
Ce chapitre introduit le concept de robotique des fourmis, en explorant comment les principes du comportement des fourmis réelles sont appliqués au développement de systèmes robotiques. Il couvre la pertinence des algorithmes inspirés des fourmis en robotique et fournit une base pour comprendre comment l'intelligence en essaim influence la conception et le comportement des robots.
Chapitre 2 : Comportement de l'essaim :
Le comportement en essaim est examiné dans ce chapitre, en se concentrant sur les actions collectives d'agents simples qui conduisent à des dynamiques de groupe complexes. Le chapitre explique comment ces comportements, observés dans la nature, ont été traduits en systèmes robotiques pour résoudre des problèmes tels que la navigation, la distribution des tâches et l'adaptation à l'environnement.
Chapitre 3 : Les boïdes :
Boids, une simulation informatique du comportement des oiseaux en vol, est introduite comme modèle pour comprendre la dynamique de groupe en robotique. Ce chapitre se penche sur les trois principales règles de comportement des boïdes - la séparation, l'alignement et la cohésion - et discute de la façon dont ces règles sont adaptées dans la robotique en essaim pour créer des systèmes multirobots efficaces.
Chapitre 4 : Algorithmes d'optimisation des colonies de fourmis :
Ce chapitre explore les algorithmes d'optimisation des colonies de fourmis (ACO), qui s'inspirent du comportement de recherche de nourriture des fourmis. L'ACO est utilisé pour résoudre des problèmes d'optimisation complexes, et ce chapitre décrit son application en robotique, y compris la planification de trajectoires et les tâches d'allocation de ressources.
Chapitre 5 : Intelligence en essaim :
L'intelligence en essaim est un objectif clé de ce chapitre, fournissant un aperçu de la façon dont les systèmes décentralisés et auto-organisés imitent les essaims naturels comme les fourmis, les abeilles et les oiseaux. Le chapitre couvre divers algorithmes utilisés dans l'intelligence en essaim, mettant en évidence leur rôle dans la création de systèmes robotiques efficaces capables de résoudre des problèmes en collaboration.
Chapitre 6 : Localisation et cartographie simultanées :
La localisation et la cartographie simultanées (SLAM) sont cruciales pour les robots autonomes, et ce chapitre explore comment les robots en essaim utilisent le SLAM pour naviguer dans des environnements inconnus. Le chapitre traite des différentes techniques SLAM et de leur intégration avec la robotique en essaim pour améliorer la conscience spatiale collective.
Chapitre 7 : Métaheuristique :
Les méthodes métaheuristiques sont examinées dans ce chapitre en tant qu'algorithmes à usage général utilisés pour trouver des solutions approximatives à des problèmes d'optimisation. Le chapitre détaille comment les métaheuristiques, telles que les algorithmes génétiques et le recuit simulé, sont appliquées en robotique en essaim pour des tâches telles que la planification de trajectoire et la gestion des ressources.
Chapitre 8 : Système multi-agents :
Ce chapitre traite des systèmes multi-agents (MAS), dans lesquels plusieurs agents autonomes interagissent pour atteindre des objectifs communs. Il explore la conception et le fonctionnement des MAS dans la robotique en essaim, en se concentrant sur les stratégies de communication, de coordination et de résolution de problèmes employées par les robots dans des environnements collaboratifs.
Chapitre 9 : Dario Floreano :
En se concentrant sur les travaux de Dario Floreano, ce chapitre met en évidence ses contributions au domaine de la robotique, en particulier à la robotique bioinspirée et à l'intelligence en essaim. Le chapitre passe en revue ses recherches sur les systèmes autonomes et son rôle dans l'avancement de la robotique en essaim et de la vie artificielle.
Chapitre 10 : Robotique en essaim :
Ce chapitre fournit un aperçu approfondi de la robotique en essaim, détaillant les principes, les défis et les réussites dans le développement de robots qui travaillent ensemble en groupes. Il met en évidence la conception de systèmes robotiques qui reposent sur un contrôle décentralisé et un comportement collectif pour accomplir des tâches difficiles pour des robots individuels.
Chapitre 11 : Système décentralisé :
Les systèmes décentralisés, où le contrôle est distribué entre tous les agents plutôt que d'être géré de manière centralisée, sont au centre de ce chapitre. Il explique comment les systèmes décentralisés de la robotique en essaim favorisent la robustesse, la flexibilité et l'évolutivité, permettant aux robots de fonctionner efficacement même dans des environnements dynamiques et incertains.
Chapitre 12 : Neurorobotique :
La neurorobotique est explorée dans ce chapitre en tant que domaine interdisciplinaire combinant les neurosciences, la robotique et l'intelligence artificielle. Il examine comment les principes biologiques des réseaux neuronaux sont utilisés pour améliorer les systèmes robotiques, en particulier dans le contexte de robots en essaim imitant le comportement du cerveau pour résoudre des problèmes.
Chapitre 13 : Explorer rapidement l'arbre aléatoire :
Le chapitre se penche sur l'algorithme RRT (Fastest Exploring Random Tree), un outil puissant pour la planification du mouvement en robotique. La RRT est abordée dans le contexte de la robotique en essaim, où elle est utilisée pour permettre aux robots de naviguer efficacement dans des environnements complexes et inconnus tout en évitant les obstacles et autres agents.
Chapitre 14 : Planification de la trajectoire Anyangle :
Ce chapitre présente le concept de planification de trajectoire anyangle, une méthode qui permet aux robots de naviguer le long de trajectoires non basées sur un réseau, offrant ainsi des itinéraires plus flexibles et plus efficaces. Il traite de son application dans la robotique en essaim, où la planification de trajectoire est essentielle pour la coopération et la coordination dans des environnements dynamiques.
Chapitre 15 : Dynamique du consensus :
La dynamique de consensus est au centre de ce chapitre, expliquant comment les robots d'essaim parviennent à un accord ou à une coordination sur une tâche ou un objectif partagé sans contrôle central. Le chapitre explore les algorithmes de consensus et leur utilisation dans la robotique en essaim, y compris les applications dans la navigation, la prise de décision et l'adaptation à l'environnement.
Chapitre 16 : Plateformes robotiques en essaim :
Ce chapitre donne un aperçu des différentes plates-formes robotiques en essaim, en discutant des architectures matérielles et logicielles qui permettent aux robots de travailler ensemble. Il met en évidence des exemples concrets et des études de cas de systèmes robotiques en essaim, mettant en évidence leurs capacités dans différents domaines tels que l'exploration, la surveillance et les opérations de sauvetage.
Chapitre 17 : Recherche de chemin multi-agents :
Le cheminement multi-agents est le sujet de ce chapitre, qui examine les algorithmes et les techniques utilisés pour naviguer dans plusieurs robots dans un environnement partagé. Le chapitre met en évidence des défis tels que l'évitement des collisions et la planification optimale des trajectoires, et aborde les solutions qui permettent aux robots de travailler ensemble efficacement.
Chapitre 18 : Paramétrage inverse de la profondeur :
Le chapitre couvre la paramétrisation inverse de la profondeur, une méthode utilisée dans la vision par ordinateur et la robotique pour représenter des scènes tridimensionnelles. Il explique comment cette technique est appliquée en robotique en essaim pour améliorer l'efficacité des tâches de localisation et de cartographie dans des environnements à géométries complexes.
Chapitre 19 : Tableau des métaheuristiques :
Ce chapitre fournit un tableau complet des métaheuristiques, catégorisant les différents algorithmes utilisés en robotique en essaim pour l'optimisation et la résolution de problèmes. Il sert de référence pour les chercheurs et les praticiens qui cherchent à comprendre la variété des méthodes métaheuristiques qui peuvent être employées dans les systèmes robotiques en essaim.
Chapitre 20 : Stigmergy :
La stigmergie, un mécanisme de communication indirecte entre les agents par le biais de l'environnement, est au centre de ce chapitre. Il explore comment ce principe, observé chez les fourmis et autres insectes sociaux, est appliqué dans la robotique en essaim pour faciliter la collaboration, l'attribution des tâches et l'interaction environnementale sans communication directe.
Chapitre 21 : Flocage :
Le dernier chapitre se concentre sur le comportement de vol, inspiré par le mouvement coordonné d'oiseaux ou de poissons en groupe. Il explique comment les algorithmes de flocage sont utilisés dans la robotique en essaim pour permettre aux robots de se déplacer de manière cohésive, de maintenir leur formation et d'éviter les obstacles, offrant un aperçu des applications de ces comportements dans les systèmes...
