Illustration générée par IACommande prédictive par contouring augmentée par processus gaussien pour le suivi de trajectoire à 6 DOF d'un AUV holonome
Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie
Des chercheurs proposent une commande prédictive par contouring (MPCC, Model Predictive Contouring Control) non linéaire sur les six degrés de liberté d'un petit véhicule sous-marin autonome (AUV) holonome, enrichie par un apprentissage des erreurs de modèle via régression par processus gaussien (GP). Le résidu appris vient compléter le modèle dynamique nominal et est intégré au problème de commande optimale par un schéma d'optimisation robuste d'ordre zéro, ce qui maintient le contrôleur en temps réel à 25 Hz. La validation porte sur le MOLA (Multimodality, Observing, Low-cost, Agile), un AUV compact, en simulation puis en essais en eau réelle. Les performances sont comparées à deux références : un MPCC nominal sans apprentissage et un contrôleur PID éprouvé sur le terrain. Une étude d'ablation en simulation montre en outre que le choix des variables sur lesquelles porte le résidu appris est déterminant pour la conception du contrôleur. Le résumé disponible ne chiffre pas les gains d'erreur de suivi, ni la durée ou la profondeur des essais.
L'intérêt tient à un problème pratique de l'inspection sous-marine rapprochée. Un véhicule holonome, capable de se déplacer et de s'orienter indépendamment dans toutes les directions, peut observer une structure sous n'importe quel angle, mais exige un suivi précis de la position et de l'attitude, sous contraintes d'états et d'entrées. Le MPCC gère naturellement ces contraintes, mais dépend d'un modèle hydrodynamique que l'on identifie mal : masse ajoutée, traînée et perturbations varient et sont difficiles à mesurer. Apprendre uniquement l'écart au modèle, plutôt que la dynamique complète, est une voie pragmatique, et la tenue des 25 Hz montre que l'approche reste compatible avec un calculateur embarqué. Le fait de se mesurer à un PID de terrain est un signal de maturité, mais il s'agit d'un résultat académique : rien n'indique encore une robustesse sur de longues missions, en courant fort ou face à des changements de charge utile.
Ces travaux s'inscrivent dans la tendance qui combine commande prédictive et apprentissage, déjà établie en robotique aérienne (drones de course, MPCC pour le suivi de trajectoire) et appliquée ici à un milieu où les modèles sont bien moins fiables. Le MOLA appartient à la catégorie des AUV bon marché et agiles, face à des plateformes d'inspection commerciales largement pilotées par PID ou par des commandes plus classiques. Les suites naturelles seraient des essais autour de structures réelles, comme des piles de ponts, des coques ou des infrastructures offshore, ainsi qu'une adaptation en ligne du GP, dont le coût de calcul et la généralisation hors du domaine d'entraînement restent les points à surveiller. Aucun calendrier de déploiement ni partenaire industriel n'est annoncé.




