Cette thèse s’intéresse à une problématique d’actualité dans le contexte des systèmes multi-agents, à savoir l’estimation d’état distribuée, en lien avec une application de surveillance d’une zone par un ensemble de capteurs hétérogènes. L’hétérogénéité peut provenir des différentes technologies utilisées (par exemple caméras, radar, LIDAR) et donc de la nature des mesures disponibles et/ou des différents modes de déploiement possibles (capteurs fixes, montés sur robots mobiles ou drones). Le problème est alors d’estimer l’état d’un « objet intrus » infiltré et circulant dans la zone à surveiller (reconstruction de la trajectoire). Pour ce faire, il s’agit de développer des observateurs permettant de reconstruire cet état à partir des mesures capteurs disponibles, de manière distribuée afin d’augmenter la résilience visà-vis de la perte d’un ou plusieurs capteur(s). On considèrera ainsi qu’un calculateur peut être associé à chaque capteur
ou sous-ensemble de capteurs (« noeud ») avec une capacité de communication en réseau. On suppose donc un ensemble de capteurs hétérogènes dotés de différentes capacités de calcul et de communication au sein d'un même réseau, ces capacités demeurant toutefois limitées (capteurs bas coût). Cette problématique a fait l’objet de nombreux travaux de recherche dans la littérature, portant sur le développement de différents types d’observateurs distribués.
Des travaux précédents ont porté sur le développement d’observateurs à horizon glissant distribués pour cette problématique. Ces méthodes permettent de tenir compte d’un historique de mesures passées et de prendre en compte des contraintes au sein du processus d’estimation (ex : contraintes sur l'état du système, sur le bruit ou des entrées inconnues). Plus précisément, les nouveaux algorithmes développés ont permis à la fois une forte réduction du temps de calcul et une amélioration de la précision, par l’usage d’un mécanisme de diffusion de l’information au sein du réseau. Ces travaux ont été réalisés dans un cadre linéaire (dynamique du système et équations de mesure linéaires).
Lors de cette thèse, on s’intéressera dans un premier temps à développer des extensions non linéaires de ces algorithmes afin d’élargir le spectre des applications possibles (ex : mesures de distance ou angulaires, non linéarités dans la dynamique du système à observer). On s’attachera à obtenir des garanties de stabilité (convergence de l’erreur d’estimation) et à valider les approches proposées en simulation et expérimentalement. On dispose d’une flotte de
plusieurs robots mobiles TurtleBots et de nano-drones Crazflie pour faire des expérimentations dans la volière de CentraleSupélec (équipée d’un système de capture de mouvement OptiTrack).
Dans une deuxième étape, afin de tenir compte de capacités de calcul limitées liées à une implémentation sur des capteurs bas coût, on cherchera à développer conjointement des méthodes d’optimisation adaptées à la formulation des observateurs à horizon glissant et à leur mise en oeuvre dans un cadre distribué. Enfin, un autre axe de travail portera sur la prise en compte des capacités et contraintes propres au réseau de communication entre les capteurs, ainsi que ses possibles vulnérabilités face à des cyber attaques. Plus précisément, on
cherchera à étendre les méthodes proposées pour tenir compte d'une possible asynchronicité des communications entre les capteurs, de la présence de retard dans les communications, des incertitudes, d’une capacité d’échange limitée (réduction des communications), de données corrompues, et/ou de variations de topologie au sein du réseau de communication due par exemple à une perte temporaire ou permanente de liens de communications entre certains capteurs. Des extensions aux systèmes à grande échelle (large scale systems) sont également envisagées.