Thèse Contrôle d'Interaction Avancé pour Robots Industriels H/F Doctorat.Gouv.Fr

Établissement : Université de Lorraine École doctorale : IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES Laboratoire de recherche : CRAN - Centre de Recherche en Automatique de Nancy Direction de la thèse : Romain POSTOYAN ORCID 000000022454602X Début de la thèse : 2026-10-01 Date limite de candidature : 2027-01-01T23:59:59 Contexte. Le parachèvement robotisé (ponçage, polissage, ébavurage) exige de maîtriser à la fois la trajectoire de l'outil et l'effort appliqué. Les robots industriels classiques sont conçus pour l'asservissement en position et donnent peu accès aux boucles bas niveau. Un contrôle d'effort ajouté en boucle externe reste donc lent : l'inertie et la viscosité apparentes sont élevées et la bande passante en effort est faible. Les cobots offrent davantage de modes de commande, mais leur faible capacité de charge et leurs réducteurs harmoniques peu rigides les rendent inadaptés aux tâches industrielles exigeantes. Leurs paramètres de commande restent en outre propriétaires.

Approche et plateforme. La thèse propose un contrôle d'effort en boucle fermée, fondé sur un capteur 6 axes placé en bout de bras plutôt que sur une estimation à partir des actionneurs. Cette solution est plus sensible à l'interaction et s'intègre sur tout type de bras. Le CEA dispose d'une plateforme originale : un bras industriel Comau doté d'une baie de commande développée en interne qui donne un accès complet et haute fréquence aux boucles d'axes. Un premier contrôle d'effort de type PID y dépasse déjà les standards industriels.

Axe 1, inertie apparente et compensation dynamique. Le premier axe vise à élargir la bande passante en effort, d'abord sur banc mono-axe puis en multiaxe. Il combine plusieurs leviers. Le premier est la commande avancée : robuste (H, -synthèse), adaptative ou à modes glissants. Le deuxième est une IA embarquée légère compatible avec le temps réel (MLP, RBFN, processus gaussiens creux, RL léger, ESN), qui adapte les gains en ligne. Le troisième est une identification « grey-box », où l'apprentissage modélise les résidus non expliqués par le modèle physique. Enfin, une analyse de stabilité approfondie porte sur la passivité et l'interaction robot-environnement, en intégrant l'apport d'énergie d'un outil actif (meule, polissoir) qui favorise le broutement, ainsi que les couplages inertiels multiaxes.

Axe 2, commande hybride force-position. L'objectif est de remplacer les outils compliants physiques, coûteux et peu reconfigurables, par une compliance virtuelle intégrée à la commande. Le robot doit être raide dans les directions pilotées en position et compliant dans celles pilotées en effort, avec une impédance adaptable à la tâche. La connaissance a priori de la trajectoire alimente une commande prédictive et des observateurs d'état assistés par IA. Ce volet traite aussi la transition entre mouvement libre et contact, phase critique à cause du pic d'effort. Trois stratégies sont envisagées : le blending, la modulation d'impédance et la réduction de la vitesse d'approche. L'état de contact est estimé par des observateurs ou par apprentissage.

Axe 3, intégration et validation. Les fonctionnalités seront exposées dans RoboDK et ROS, avec un couplage envisagé avec des orchestrateurs à base de LLM. Ces derniers pourraient ainsi spécifier des profils d'effort et d'impédance, et pas seulement des trajectoires. La validation portera sur des tâches réelles de parachèvement, évaluées selon cinq critères : suivi d'effort, précision de trajectoire, réduction de l'inertie apparente, stabilité (transitions, outil actif) et robustesse aux variations du procédé. Collaboration CEA-List (Paris Saclay) - CRAN. La thèse est financée par le CEA, l'étudiante sera principalement basée au CEA-List avec des visites ponctuelles au CRAN.