Soutiendra publiquement ses travaux de thèse intitulés
“Optimisation sous incertitude de trajectoires pour le véhicule autonome”
dirigés par Monsieur Abdel LISSER et Monsieur Mahklouf HADJI
Soutenance prévue le jeudi 13 juillet 2023 à 14h00 Lieu : Bâtiment 660 DIGITEO, Rue Noetzlin, 91190 Gif-sur-Yvette Salle : Amphi Shannon
Composition du jury proposé
Mme Amélie LAMBERT
Conservatoire National des Arts et Métiers
Rapporteure
M. Mounir HADDOU
Institut National des Sciences Appliquées de Rennes
Rapporteur
Mme Véronique VEQUE
CentraleSupélec, Université Paris-Saclay
Examinatrice
Mme Sihem TEBBANI
CentraleSupélec, Université Paris-Saclay
Examinatrice
Mme Hind CASTEL-TALEB
Télécom SudParis
Examinatrice
Mots-clés :
Optimisation stochastique, Théorie des jeux, Véhicules autonomes
Résumé : Des progrès significatifs ont été réalisés dans le domaine de la conduite autonome et de l’optimisation des trajectoires. L’un des principaux défis dans ce domaine est de faire face à l’incertitude des données d’entrée et de réduire son impact sur le processus de génération de trajectoires. Les chercheurs ont consacré leurs efforts à la construction de différents modèles qui abordent les différents types d’incertitudes liées à la précision des capteurs et aux environnements de conduite complexes, dans le but d’améliorer la sécurité de la technologie des véhicules autonomes. Cette thèse explore différentes méthodes pour traiter les incertitudes dans l’optimisation des trajectoires. Nous commençons par analyser des scénarios de régulateur de vitesse adaptatif (ACC), où les données d’entrée sont traitées comme une variable aléatoire. Deux modèles d’optimisation sont développés pour trouver des trajectoires optimales qui évitent les collisions potentielles et satisfont toutes les contraintes de conduite. La dépendance de la variable aléatoire est également étudiée à travers la théorie des copules. En outre, nous étudions des scénarios dans lesquels seules des informations partielles sur l’incertitude sont disponibles et nous appliquons des techniques d’optimisation distributionnellement robustes (DRO) pour résoudre le problème. En plus du scénario de conduite de l’ACC, nous appliquons des méthodes de contrôle optimal pour créer un modèle plus complet qui prend en compte à la fois les facteurs de sécurité et d’efficacité requis dans différents scénarios de conduite. Des simulations numériques basées sur des scénarios de conduite générés démontrent que le modèle stochastique est plus performant que le modèle déterministe en cas d’incertitude. Nous explorons également les systèmes multi-joueurs afin d’exploiter leurs propriétés dans la prise de décision collective pour les véhicules autonomes. Plus précisément, nous étudions le jeu à contraintes de hasard à n joueurs, en explorant l’existence d’un équilibre de Nash et son lien avec l’inégalité variationnelle. Le jeu est transformé en un problème de complémentarité non linéaire, qui est résolu efficacement. En outre, nous examinons le jeu à contraintes de hasard sous DRO et menons des expériences numériques pour évaluer leur performance.
