Defensa de tesis "Control compartido adaptativo y desarrollo de estrategias de conducción personalizadas para vehículos automatizados: un enfoque de aprendizaje progresivo".

Resumen

La conducción autónoma despierta un interés creciente entre fabricantes, investigadores, autoridades y público en general por sus prometedoras ventajas en materia de seguridad vial, movilidad de personas mayores y con movilidad reducida, eficiencia energética y reducción de emisiones. Sin embargo, el pleno despliegue de estos vehículos depende de su fiabilidad en todas las situaciones, lo que requiere la supervisión del conductor. Esto plantea cuestiones cruciales sobre la interacción hombre-máquina, sobre todo en lo que se refiere al control compartido y la resolución de conflictos.

Seguridad vial.

La tesis forma parte del proyecto ANR-CoCoVeIA (2019-2024) coordinado por LAMIH (Cooperation Driver-Autonomous Intelligent Vehicle). Su objetivo principal es incorporar capacidades de autoaprendizaje en vehículos autónomos de nivel 2 para mejorar sus habilidades en el cumplimiento de las normas de seguridad vial. La tesis se centra en la optimización de la interacción entre el sistema automatizado y el conductor para aumentar la eficiencia, mejorar el rendimiento de la conducción y promover la aceptabilidad del sistema.

Vehículo Autónomo Inteligente.

Para lograr estos objetivos, en la primera parte de la tesis se propone una arquitectura de cooperación autoadaptativa multinivel. Esta arquitectura pretende adaptar de forma óptima el comportamiento del vehículo autónomo al estilo de conducción preferido de los conductores, garantizando al mismo tiempo una conducción segura y eficiente. En una segunda parte de la tesis se estudia la personalización de los sistemas de asistencia de cambio de carril, utilizando un enfoque de aprendizaje basado en el descenso de gradiente estocástico para ajustar los parámetros en función de las preferencias del conductor, basándose en la detección de sus intenciones de cambio de carril.

Sistema de asistencia de cambio de carril.

Para resolver los conflictos entre el conductor y el sistema de conducción autónoma, la tesis explora tres enfoques de control óptimo robusto para sistemas lineales con parámetros variables (LPV) representados en forma difusa Takagi-Sugeno (T-S). El primer enfoque se centra en el control compartido adaptativo mediante el ajuste en tiempo real de una función de costes multiobjetivo basada en la disponibilidad del conductor y la evaluación del riesgo. El segundo enfoque introduce un modelo dinámico del conductor, cuyos parámetros se identifican en línea, lo que permite una adaptación continua a las características del conductor. Este modelo se utiliza para desarrollar un sistema de control compartido adaptativo para el mantenimiento del carril, teniendo en cuenta los parámetros dinámicos del sistema neuromuscular del conductor. El enfoque final pretende eliminar por completo los conflictos entre el conductor y el sistema de mantenimiento del carril combinando una función de costes adaptativa con un modelo dinámico del comportamiento del conductor. Para el diseño del controlador compartido LPV, las condiciones de estabilidad en bucle cerrado del control compartido adaptativo (LPV) para los tres enfoques se establecen utilizando el enfoque de estabilidad de Lyapunov y se formulan como un problema de optimización de desigualdad matricial lineal (LMI) que puede resolverse numéricamente utilizando algoritmos de optimización convexa. Se han llevado a cabo validaciones experimentales y experimentos de prueba de usuario utilizando el simulador de conducción dinámica SHERPA-LAMIH para evaluar la aceptabilidad de estos enfoques, demostrando su eficacia en la mejora de la seguridad y el confort en la conducción, y validando todos los enfoques propuestos.

Los tres enfoques han sido diseñados para mejorar la seguridad y el confort en la conducción.

Palabras clave

Vehículo automatizado, cooperación conductor-vehículo, control compartido, control robusto, dinámica del vehículo, representación T-S, control LPV, optimización multiobjetivo, aprendizaje progresivo, modelado del conductor, optimización LMI.

Composición del jurado

Relatores

Sr. Olivier Sename, catedrático, Université Grenoble Alpes.
Sra. Reine Talj, becaria de investigación HDR del CNRS, Université Technologique de Compiègne.

Examinadores

Sr. Philippe Chevrel, Profesor, Institut Mines-Telecom Atlantique Nantes.
Sra. Naïma Ait Oufroukh-Mammar, profesora titular del IDH, Universidad de Evry.
Jimmy Lauber, Profesor, Université Polytechnique Hauts-de-France

.

Supervisor de tesis

Jean-Christophe Popieul, Profesor, Universidad Politécnica de Altos de Francia

.

Co-supervisores

Chouki Sentouh, Maestro de Conferencias HDR, Universidad Politécnica de Altos de Francia.
Anh-Tu Nguyen, Profesora titular, Universidad Politécnica de Altos de Francia.

Anh-Tu Nguyen, Profesora titular, Universidad Politécnica de Altos de Francia.