Soutenance de thèse "Contrôle partagé adaptatif et élaboration de stratégies de conduite personnalisées pour le véhicule automatisé : une approche par apprentissage progressif"

Résumé

La conduite autonome suscite un intérêt croissant auprès des constructeurs, des chercheurs, des autorités et du grand public en raison de ses promesses en matière de sécurité routière, de mobilité pour les personnes âgées et à mobilité réduite, d'efficacité énergétique et de réduction des émissions. Cependant, le déploiement complet de ces véhicules dépend de leur fiabilité dans toutes les situations, ce qui nécessite une supervision du conducteur. Cela soulève des questions cruciales sur l'interaction homme-machine, en particulier en ce qui concerne le partage de la commande et la résolution des conflits.

La thèse s'inscrit dans le cadre du projet ANR-CoCoVeIA (2019-2024) coordonné par le LAMIH (Coopération Conducteur-Véhicule Intelligent Autonome). Son objectif principal est d'incorporer des capacités d'auto-apprentissage dans les véhicules autonomes de niveau 2 pour améliorer leurs compétences en respectant les règles de sécurité routière. La thèse se concentre sur l'optimisation de l'interaction entre le système automatisé et le conducteur pour renforcer l'efficacité, améliorer les performances de conduite et favoriser l'acceptabilité du système.

Pour atteindre ces objectifs, une architecture de coopération auto-adaptative à plusieurs niveaux est proposée dans la première partie de la thèse. Cette architecture vise à adapter de manière optimale le comportement du véhicule autonome à un style de conduite préféré des conducteurs tout en garantissant une conduite sécuritaire et efficace. Une deuxième partie de la thèse se penche sur la personnalisation des systèmes d'assistance au changement de voie, utilisant une approche d'apprentissage basée sur la descente de gradient stochastique pour ajuster les paramètres en fonction des préférences du conducteur, en se basant sur la détection de ses intentions de changement de voie.

Pour résoudre les conflits entre le conducteur et le système de conduite autonome, la thèse explore trois approches de commande optimale robuste pour les systèmes linéaires à paramètres variants (LPV) représentés sous la forme floue Takagi-Sugeno (T-S). La première approche se concentre sur le contrôle partagé adaptatif en ajustant une fonction de coût multi-objectif en temps réel en fonction de la disponibilité du conducteur et de l'évaluation du risque. La deuxième approche introduit un modèle dynamique du conducteur, dont les paramètres sont identifiés en ligne, permettant une adaptation continue aux caractéristiques du conducteur. Ce modèle est utilisé pour développer un système de contrôle partagé adaptatif pour le maintien de voie en tenant compte de la dynamique des paramètres du système neuromusculaire du conducteur. La dernière approche vise à éliminer complètement les conflits entre le conducteur et le système de maintien de voie en combinant une fonction de coût adaptative avec un modèle dynamique du comportement du conducteur. Pour la conception du contrôleur partagé LPV, les conditions de stabilité en boucle fermée du contrôle partagé adaptatif (LPV) pour les trois approches sont établies à l'aide de l'approche de stabilité de Lyapunov et formulées sous forme d’un problème d’optimisation d’inégalités matricielles linéaires (LMI) qui peuvent être résolues numériquement grâce à des algorithmes d’optimisation convexe. Des validations expérimentales et des expériences de test utilisateurs ont été menées au moyen du simulateur de conduite dynamique SHERPA-LAMIH pour évaluer l’acceptabilité de ces approches, démontrant ainsi leur efficacité pour améliorer la sécurité et le confort de conduite, et validant l’ensemble des approches proposées.

Mots-clés

Véhicule automatisé, coopération conducteur-véhicule, contrôle partagé, commande robuste, dynamique véhicule, représentation T-S, commande LPV, optimisation multi-objectif, apprentissage progressif, modélisation conducteur, optimisation LMI.

Composition du jury

Rapporteurs

M. Olivier Sename, Professeur, Université Grenoble Alpes.
Mme. Reine Talj, Chargée de recherche CNRS HDR, Université Technologique de Compiègne.

Examinateurs

M. Philippe Chevrel, Professeur, Institut Mines-Telecom Atlantique Nantes.
Mme. Naïma Ait Oufroukh-Mammar, Maître de Conférences HDR, Université d'Evry.
M. Jimmy Lauber, Professeur, Université Polytechnique Hauts-de-France.

Directeur de thèse

Jean-Christophe Popieul, Professeur, Université Polytechnique Hauts-de-France.

Co-ncadrants

Chouki Sentouh, Maître de Conférences HDR, Université Polytechnique Hauts-de-France.
Anh-Tu Nguyen, Maître de Conférences, Université Polytechnique Hauts-de-France.