Contrôle de formation et de suivi de multiples USV par ADRC avec performance prescrite

Équipages de bateaux intelligents sur une mer agitée

Imaginez un groupe de petites embarcations robotiques patrouillant dans un port, cherchant un navire disparu ou cartographiant une nappe de pétrole. Elles doivent se déplacer de concert selon une formation serrée, maintenir des distances de sécurité entre elles et rester sur la trajectoire malgré des vagues, le vent et les courants qui les dévient en permanence. Cet article présente une nouvelle méthode de commande pour de tels ensembles de véhicules de surface sans pilote (USV) afin qu’ils puissent évoluer en formation de manière précise et sûre, même quand la mer est agitée et que leur comportement réel n’est pas parfaitement connu.

Pourquoi des bateaux robots coordonnés sont importants

Les USV sont de plus en plus employés pour des missions dangereuses, fastidieuses ou coûteuses pour des navires habités : secours en mer, exploration minière, et surveillance côtière, entre autres. Souvent, un seul bateau ne suffit pas ; un groupe travaillant ensemble peut couvrir plus de surface, partager les tâches et offrir de la redondance en cas de panne d’une unité. Mais coordonner plusieurs embarcations est délicat. Chaque navire doit suivre une trajectoire planifiée tout en maintenant une distance de sécurité vis‑à‑vis de ses voisins, et tout cela doit tenir dans des conditions océaniques réelles où des forces invisibles et des erreurs de modélisation peuvent dégrader la performance voire provoquer des collisions.

Le défi de rester en formation

Les méthodes de commande classiques — comme les simples régulateurs proportionnel–intégral–dérivé (PID), les schémas prédictifs basés sur un modèle, ou les contre‑paliers (backstepping) assistés par réseaux de neurones — ont déjà été appliquées à la formation d’USV. Si elles peuvent fonctionner, elles impliquent des compromis. Les régulateurs basiques sont faciles à régler mais peinent face à de fortes perturbations variables dans le temps. Les approches plus avancées peuvent gérer la non‑linéarité et des effets inconnus mais exigent souvent de nombreux paramètres, un calcul lourd ou des jeux de données d’apprentissage détaillés. De plus, la plupart des méthodes ne garantissent pas explicitement la vitesse de décroissance des erreurs ni la façon dont elles resteront dans des limites de sécurité pendant les manœuvres.

Une stratégie de commande qui riposte aux perturbations

Les auteurs s’appuient sur le concept de contrôle actif de rejet des perturbations, qui traite tout ce qui est inconnu ou indésirable — comme les variations de traînée, les forces de vagues ou les erreurs de modélisation — comme une « perturbation totale » à estimer et compenser en temps réel. Ils conçoivent un observateur enrichi qui estime cette perturbation tout en utilisant des connaissances sur le modèle de l’USV pour alléger la charge de l’observateur et améliorer la précision. Un autre composant, appelé différenciateur de suivi, remplace des opérations différentielles répétées et encombrantes dans le contrôleur, évitant l’explosion de complexité qui rendrait l’utilisation en temps réel impraticable. Un mécanisme basé sur des barrières façonne ensuite l’évolution des erreurs de suivi dans le temps, imposant des limites variant dans le temps qui empêchent les bateaux de se rapprocher excessivement ou de s’éloigner trop tout en permettant une convergence rapide vers la trajectoire souhaitée.

Soumettre le peloton de bateaux à l’épreuve

Pour évaluer l’efficacité de l’approche, les chercheurs simulent quatre USV identiques suivant une trajectoire composée de segments droits et de larges cercles, soumis à de fortes forces constamment changeantes cachées au contrôleur. Ils comparent leur méthode à trois alternatives courantes : un contrôleur backstepping amélioré par réseau de neurones, un contrôleur standard de rejet de perturbations, et un contrôleur PID. Sur des métriques mesurant l’erreur totale, l’erreur maximale et la fluidité des commandes de gouverne et de poussée, la nouvelle méthode se distingue. Elle réduit l’erreur cumulative et l’erreur quadratique moyenne de plus de moitié par rapport au PID, et dépasse encore de manière significative le schéma backstepping plus sophistiqué, tout en produisant des signaux de commande plus lisses et moins saccadés, mieux adaptés au matériel réel.

Ce que cela signifie pour les robots marins à venir

En termes simples, ce travail montre comment une équipe de bateaux robotiques peut garder une formation serrée et sûre dans une mer chaotique et imprévisible en utilisant un contrôleur à la fois robuste et relativement simple à régler. En estimant et en annulant activement l’effet combiné des vagues, des courants et des erreurs de modélisation, et en encapsulant l’évolution des erreurs dans des limites soigneusement conçues, la méthode maintient chaque unité proche de sa trajectoire prévue sans risquer de collisions ni de perte de liaisons de communication. Les auteurs notent que l’extension du cadre à des embarcations sous‑actionnées et la automatisation du réglage des paramètres constituent des étapes importantes à venir, mais les résultats indiquent déjà la voie vers des flottes de robots marins plus fiables et efficaces, capables d’exécuter des missions complexes avec une supervision humaine minimale.

Citation: Huo, M., Mao, W. & Wang, X. Formation tracking control of multiple USVs using ADRC with prescribed performance. Sci Rep 16, 11417 (2026). https://doi.org/10.1038/s41598-026-37252-0

Mots-clés: véhicules de surface sans pilote, contrôle de formation, rejet de perturbations, robotique marine, suivi de trajectoire