Shangyuan Zhang a soutenu sa Thèse le 13 juillet 2023

Shangyuan Zhang, doctorant dans le projet 3SA de l’IRT SystemX, a soutenu sa thèse de l’Université Paris-Saclay le 13 juillet 2023 à 14h à Digiteo Moulon, Gif-sur-Yvette (Grand Amphithéâtre) sur le sujet suivant « Optimisation sous incertitude de trajectoires pour le véhicule autonome ».

Résumé de la thèse :

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.

Composition du jury :

Laboratoire Partenaire :

L2S, CentraleSupélec