Durée
18h Th, 18h Pr, 6h AUTR
Nombre de crédits
| Master : bioingénieur en sciences et technologies de l'environnement, à finalité spécialisée | 4 crédits |
Enseignant
Langue(s) de l'unité d'enseignement
Langue française
Organisation et évaluation
Enseignement au premier quadrimestre, examen en janvier
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
Ce cours aborde les concepts fondamentaux de la navigation autonome des robots mobiles appliqués au suivi environnemental et à l'agriculture de précision. À travers un cas d'étude concret de phénotypage robotisé (caractérisation de la biomasse d'une prairie par un robot terrestre à roues), le cours traite :
- De la modélisation cinématique des robots mobiles en milieu naturel non structuré ;
- De la planification de trajectoires de couverture spatiale ;
- De la prise en compte et la modélisation des incertitudes environnementales ;
- Des principes de localisation et de fusion de capteurs ;
- De l'évaluation quantitative de l'impact des erreurs de navigation sur la qualité des métriques environnementales produites.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
À l'issue de cet enseignement, l'étudiant sera capable de :
- Modéliser la cinématique d'une plateforme robotisée mobile sur roues évoluant en environnement naturel.
- Planifier et programmer une trajectoire de couverture spatiale optimisée pour une mission d'échantillonnage ou de cartographie environnementale.
- Simuler et injecter différents types d'incertitudes et de bruits capteurs représentatifs des contraintes du milieu naturel.
- Appliquer des algorithmes de fusion de capteurs pour estimer la position du robot et réduire les biais de localisation.
- Quantifier et critiquer l'impact des erreurs de navigation autonome sur la précision des cartes de variables agro-environnementales (ex. estimation de biomasse).
- Développer une solution numérique complète et documentée sous forme de script/notebook Python en autonomie.
Savoirs et compétences prérequis
Notions de base en mécanique, dynamique des systèmes et instrumentation
Activités d'apprentissage prévues et méthodes d'enseignement
- Projet intégré d'apprentissage par problèmes : Réalisation d'un projet de simulation numérique complet, structuré en jalons progressifs (du cas idéal sans bruit à la fusion de capteurs sous incertitudes fortes).
- Lectures dirigées et auto-apprentissage : Exploitation autonome des chapitres ciblés de l'ouvrage de référence (Robotics, Vision and Control, P. Corke) et de la documentation Python associée.
- Analyse critique des résultats : Interprétation des données cartographiques produites et discussion de l'impact agro-environnemental des biais de mesure.
Mode d'enseignement (présentiel, à distance, hybride)
Combinaison d'activités d'apprentissage en présentiel et en distanciel
Informations complémentaires:
- Format : Apprentissage par projet en autonomie guidée.
- Encadrement : Accompagnement sous forme de séances de tutorat.
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Evaluation continue
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Contacts
benoit.mercatoris@uliege.be