RAVEN : un système unifié de SLAM actif pour l'exploration visuelle rapide et autonome avec des robots aériens malgré l'incertitude de localisation

RAVEN est un cadre logiciel de SLAM actif (simultaneous localization and mapping), conçu pour l'exploration visuelle rapide par quadrirotors. Il a été présenté dans un article déposé sur arXiv, sans nom d'équipe ni d'entreprise indiqué dans le résumé. Le système identifie d'abord des frontières d'exploration et des candidats de fermeture de boucle active, puis génère des tournées globales à partir de ces deux familles de cibles. Chaque tournée est notée par un vecteur d'utilité à deux composantes, l'une pour l'efficacité d'exploration, l'autre pour la précision de localisation. Un paramètre de priorisation compris entre 0 et 1 arbitre ensuite entre les deux. Un planificateur de navigation sensible à la perception produit enfin des trajectoires lisses qui minimisent l'erreur d'estimation d'état visuelle. Il s'appuie pour cela sur un champ d'information de Fisher calculé en ligne, qui quantifie en temps réel l'information de localisation disponible. Les auteurs annoncent de meilleurs résultats que les méthodes de SLAM actif de l'état de l'art sur des benchmarks. Ils ont aussi mené des essais terrain entièrement embarqués, avec un quadrirotor sur mesure équipé d'une paire stéréo et d'une centrale inertielle. Aucun chiffre précis (temps d'exploration, taux de couverture, erreur de trajectoire) n'apparaît dans le résumé.

L'intérêt pratique tient à la situation des drones, qui sont agiles mais disposent de capteurs limités et dérivent donc plus vite que les robots au sol. Les méthodes existantes explorent souvent sans tenir compte de l'incertitude de localisation, ou bien privilégient les retours en zone connue au détriment de la vitesse. Un paramètre unique qui déplace le compromis selon la mission pourrait servir aux intégrateurs d'inspection ou de cartographie. Une inspection de structure exige une carte fiable, alors qu'une recherche après sinistre exige une couverture rapide. Les essais restent toutefois à valider. Les benchmarks sont souvent réalisés en simulation, et la mention d'environnements « difficiles » ne dit rien de la taille des sites, de l'éclairage ni de la durée des vols. Il s'agit ici d'une publication de recherche, sans produit ni déploiement industriel.

Ce travail prolonge deux axes de la recherche en robotique aérienne : l'exploration autonome fondée sur les frontières et la planification attentive à la perception. Le SLAM actif a surtout été étudié sur des robots terrestres, et les auteurs présentent l'adaptation aux quadrirotors comme un manque à combler. Les concurrents sont les planificateurs d'exploration aérienne et les méthodes de SLAM actif qui servent de références dans les comparaisons. Le résumé ne les nomme pas. Les auteurs promettent de publier le code source, sans date. La reproductibilité et les comparaisons indépendantes dépendront donc de cette publication. Aucun acteur français ou européen n'est cité dans le résumé.