Localisation et cartographie simultanées : le SLAM expliqué
Réponse courte
La localisation et cartographie simultanées, désignées par le sigle SLAM, consistent à construire la carte d'un lieu inconnu et à s'y repérer dans un seul et même calcul. Le système entretient une estimation conjointe de sa trajectoire et de la position des repères observés, que chaque nouvelle mesure resserre. Sans cette méthode, un robot devrait connaître sa position avant de cartographier, et la carte avant de se localiser.
L’essentiel
- Le SLAM résout un problème circulaire : se localiser demande une carte, cartographier demande une position.
- La boucle type enchaîne prédiction odométrique, mesure laser ou caméra, extraction de repères, puis correction par filtre.
- Les familles principales sont EKF-SLAM, FastSLAM, vSLAM, lidar SLAM, fusion multi-capteurs et a-SLAM acoustique.
- Les défaillances viennent de la dérive d'odométrie, des environnements lisses et des associations de repères erronées.
- Les voitures autonomes dotées d'une carte préalable détaillée remplacent souvent le SLAM par une localisation seule.
Un robot posé dans un bâtiment qu'il découvre doit répondre à deux questions en même temps : où suis-je, et à quoi ressemble cet endroit ? La localisation et cartographie simultanées désignent la famille de méthodes qui traite les deux questions ensemble, sans carte préalable et sans position de départ connue. Le sigle anglais SLAM, pour Simultaneous Localization and Mapping, reste l'usage dominant, y compris dans les textes francophones.
Ce qui rend le problème intéressant n'est pas le capteur mais la circularité. Se situer suppose une carte ; dessiner une carte suppose de savoir où l'on se trouvait à chaque mesure. Aucune des deux informations n'est disponible au départ.
Pourquoi la localisation et la cartographie simultanées forment un problème circulaire
Pris séparément, les deux calculs sont bien définis. La localisation déduit une position à partir d'une carte existante. La cartographie construit une carte à partir de positions connues. Le SLAM retire l'hypothèse qui rend chacun faisable : la carte et la trajectoire sont inconnues toutes les deux.
La réponse pratique consiste à ne jamais trancher entre les deux. Le système entretient une distribution de probabilité conjointe sur la pose du robot et sur la position des repères qu'il observe. Chaque nouvelle mesure resserre cette distribution, sans qu'aucune des deux inconnues ne soit fixée d'abord.
Un modèle de mouvement complète le dispositif. Il décrit ce que le robot a commandé, en vitesse et en rotation, et ce que sa cinématique implique, ce qui permet de pondérer des mesures bruitées. La façon dont les moteurs transforment une consigne en déplacement réel conditionne donc directement la qualité de cette prédiction : un robot équipé d'actionneurs robotiques mal caractérisés dérive plus vite, et le SLAM doit compenser. Les relations géométriques décrites dans la cinématique inverse servent à convertir ces consignes en déplacements attendus.
La boucle de calcul, étape par étape
Les implémentations diffèrent, mais la séquence revient presque toujours au même enchaînement.
- Prédire le déplacement. Le robot compte les tours de roues, intègre une centrale inertielle et estime de combien il a bougé. Cette estimation, l'odométrie, est utile mais jamais exacte : les roues patinent, les sols sont inégaux.
- Observer l'environnement. Un télémètre laser balaie le plan horizontal, ou une caméra capture une image. Le laser donne des distances précises sur une portée limitée ; la vision apporte de la texture et de la couleur.
- Extraire des repères. Le système cherche dans les mesures des éléments qu'il reconnaîtra plus tard. Deux techniques classiques coexistent : la détection de pics, qui exploite les ruptures brutales entre deux faisceaux laser, et RANSAC, qui échantillonne des points au hasard puis ajuste une droite par moindres carrés en écartant les points aberrants.
- Corriger la pose et la carte. Les repères observés sont confrontés à ceux déjà enregistrés. Le filtre de Kalman étendu, version non linéaire du filtre de Kalman, met à jour à la fois la position du robot et celle des repères, avec leurs incertitudes.
- Fermer la boucle. Quand le robot repasse près d'un endroit déjà vu et reconnaît les mêmes repères, l'écart accumulé depuis le début se corrige d'un coup. C'est le moment où la carte cesse de dériver.
Les grandes familles d'algorithmes
| Approche | Capteur dominant | Idée directrice |
|---|---|---|
| EKF-SLAM | Laser, sonar | Un filtre unique porte pose et repères, avec leur matrice de covariance. |
| FastSLAM | Laser | Décomposition en particules : chaque particule suit une trajectoire, les repères sont estimés séparément. |
| vSLAM | Caméra | Repères extraits d'images, souvent invariants à l'échelle, suivis d'une image à l'autre. |
| Lidar SLAM | Télémètre 2D ou 3D | Recalage de nuages de points successifs. |
| Multi-capteurs | Fusion | Odométrie, vision et laser combinés pour compenser les faiblesses de chacun. |
| a-SLAM | Micros | Localiser un réseau de micros en mouvement et les sources sonores qui l'entourent. |
Le vSLAM s'est imposé là où le laser coûte trop cher ou ne porte pas assez loin. Les premiers travaux sur la localisation d'un robot mobile à partir de primitives visuelles invariantes à l'échelle datent du début des années 2000, et une version robuste de l'algorithme a suivi quelques années plus tard. FastSLAM, présenté en 2002, a montré qu'une factorisation du problème le rendait calculable avec un grand nombre de repères.
Ce que le SLAM change concrètement
Un aspirateur robot sans cartographie avance au hasard, repasse sur les mêmes zones et quitte parfois la pièce avant d'avoir fini. Avec un SLAM, il convertit les tours de roues et les images de sa caméra en une carte des obstacles, planifie un parcours qui couvre la surface et évite de nettoyer deux fois le même carré. La batterie tient plus longtemps, pour une raison simple : moins de trajet inutile.
Le même schéma se répète ailleurs. Dans un entrepôt, une flotte de robots doit rejoindre des rayonnages précis sans se croiser. Un drone de livraison traverse un espace qu'il n'a jamais vu. Une voiture doit se garer dans une place libre. À chaque fois, la carte produite sert ensuite à la planification de trajectoire et à l'évitement d'obstacles, deux tâches distinctes du SLAM lui-même.
Les modes de défaillance à surveiller
Aucun SLAM n'est exact en permanence. Quatre causes reviennent.
- La dérive de l'odométrie. L'erreur s'accumule à chaque pas ; sans réobservation, la carte se déforme progressivement.
- Les environnements pauvres en relief. La détection de pics laser échoue là où les surfaces sont lisses, un couloir nu ou une paroi vitrée par exemple. L'extraction par RANSAC résiste mieux, mais dépend de la qualité des mesures.
- Les associations erronées. Le système peut confondre un repère nouveau avec un ancien, ou laisser un repère sans réobservation pendant plusieurs images. Une seule mauvaise association déforme toute la carte.
- Les sauts de pose. Une estimation qui fait bondir la position de dix mètres alors que le robot avance à un mètre par seconde signale une incohérence entre modèle de mouvement et mesures.
Deux remèdes existent. Le premier est algorithmique : une procédure de récupération détecte l'incohérence et relance le recalage. Le second est matériel : fusionner plusieurs capteurs pour que le calcul s'appuie sur des sources indépendantes plutôt que sur une seule.
SLAM complet ou simple localisation ?
Les voitures autonomes actuelles réduisent souvent le problème à une localisation seule. Elles embarquent des cartes relevées à l'avance, annotées finement, jusqu'à la position de chaque segment de ligne blanche et de chaque bordure de trottoir. Des données visuelles géolocalisées, du type images de rue, complètent ces fonds de carte.
Dans ce cas, le véhicule n'a plus à construire la carte : il doit seulement retrouver sa position dedans, et mettre à jour à l'exécution les objets mobiles comme les autres voitures ou les piétons. La tâche est plus simple et plus précise, mais elle dépend entièrement de la fraîcheur et de la couverture de la carte préalable. Un chantier qui modifie la voirie sans mise à jour préalable met le système en difficulté.
Le SLAM sort de la robotique : réalité augmentée et son
La réalité augmentée repose sur le même calcul. Pour qu'un objet virtuel reste collé à une table quand l'utilisateur bouge la tête, le casque doit estimer sa propre pose à partir des caméras qu'il porte, en même temps qu'il ébauche la géométrie de la pièce. La précision de cette estimation conditionne la stabilité de l'image affichée, au même titre que la latence entre le mouvement et le photon émis par l'écran. L'ajout d'un guide d'onde optique ne change rien au problème de localisation : la lumière atteint l'œil, mais la position du casque doit rester juste.
Une variante acoustique transpose la démarche au son. L'a-SLAM cherche à localiser un réseau de microphones en mouvement et, dans le même temps, les haut-parleurs qui l'entourent. Les applications visent la captation immersive, où la scène sonore doit rester cohérente quand le preneur de son se déplace. Le principe rejoint l'audio spatial en VR, à ceci près que la géométrie de la salle est inconnue au départ.
Autres questions fréquentes
Quelle différence entre le SLAM et la localisation seule ?
La localisation suppose une carte déjà disponible et cherche seulement une position dedans. Le SLAM construit cette carte en parallèle, ce qui l'oblige à estimer deux inconnues liées au lieu d'une.
Quels capteurs un système SLAM utilise-t-il ?
Le plus souvent un télémètre laser, une ou plusieurs caméras, et l'odométrie fournie par les roues ou une centrale inertielle. Des variantes s'appuient sur des sonars, des radars ou des micros.
Pourquoi l'odométrie seule ne suffit-elle pas ?
Chaque mesure de déplacement contient une petite erreur, et ces erreurs s'additionnent au fil du trajet. Sans un repère extérieur pour recaler l'estimation, la position dérive jusqu'à devenir inutilisable.
Le SLAM fonctionne-t-il en environnement lisse ou sous l'eau ?
Le laser y perd l'essentiel de son intérêt, faute de ruptures exploitables, et l'eau absorbe ou dévie de nombreux signaux. Les méthodes fondées sur l'extraction de particularités visuelles ou sonores prennent alors le relais.
Qu'est-ce que le vSLAM ?
C'est la version visuelle du SLAM : la caméra remplace ou complète le laser. Le système suit des points d'intérêt d'une image à l'autre pour estimer son déplacement et positionner les éléments de la scène.
Pages liées
- Correcteur PID robotique : asservir un moteur
Un correcteur PID robotique compare une consigne de position ou de vitesse à la mesure du moteur, puis calcule une commande à partir des termes proportionnel, intégral et dérivé. Bien réglé et alimenté par des mesures fiables, il réduit l’écart tout en maîtrisant le dépassement et les oscillations.
- Comment fonctionne ROS robotique : architecture et concepts
ROS est un ensemble de bibliothèques et d'outils open source qui sert de middleware entre le matériel d'un robot et le code applicatif. Les programmes, appelés nœuds, communiquent par topics, services et actions pour former un graphe de calcul distribué. ROS 2 remplace le maître central de ROS 1 par une communication pair à pair, avec des apports en temps réel, en sécurité et en gestion de plusieurs robots.
- Vallée de l'étrange robotique : comprendre le malaise
La vallée de l'étrange est le creux de sympathie qui apparaît quand un robot ressemble presque à un humain sans être crédible : la courbe monte avec la ressemblance, puis s'effondre avant de remonter au niveau humain. Masahiro Mori l'a décrite en 1970, et des expériences sur des visages de robots ont confirmé la baisse de sympathie. Le design peut l'éviter en gardant une cohérence entre forme, texture et mouvement.
- Capteurs robots autonomes : le guide des AMR
Un robot mobile autonome perçoit son environnement grâce à plusieurs familles de capteurs complémentaires : mesure de distance par ultrasons ou LiDAR, vision par caméra, détection de proximité et unité de mesure inertielle. Aucun ne suffit seul. C'est la fusion de leurs données qui rend possibles la localisation, la cartographie et l'évitement d'obstacles.
- Effecteurs terminaux robotique : types et préhenseurs
Un effecteur terminal est l'outil fixé à l'extrémité d'un bras robotisé, la partie qui saisit, usine, soude ou mesure. On le classe en trois familles : les préhenseurs, les outils de process et les capteurs. Le choix dépend de la pièce, de la tâche et de la charge utile du bras.
- Robot collaboratif vs robot industriel : les différences
Le robot industriel est fait pour la cadence, la charge lourde et la répétition d'une même tâche dans un espace clôturé. Le cobot est fait pour cohabiter avec les opérateurs, se déplacer et changer de mission rapidement, avec des charges et des vitesses plus modestes. Le choix dépend donc de la variabilité de la production, du poids des pièces et du budget total, pas de la seule performance du bras.
Comment cette page a été préparée
Avant la rédaction, le sujet a été étudié dans les sources ci-dessous. La page a ensuite passé des contrôles de qualité automatiques.