🌱 SmartAgriNavigator

Navigation Optimisée des Robots Mobiles avec A* Adaptatif et Courbes de Bézier

---

📌 Description

SmartAgriNavigator est une implémentation améliorée de l’algorithme A* appliqué à la navigation autonome des robots mobiles en environnement agricole simulé.

Ce projet améliore la version classique de A* en intégrant :

• Une heuristique basée sur la distance de Manhattan
• Un coefficient dynamique (k adaptatif)
• Une zone de sécurité autour des obstacles
• Un lissage de trajectoire par courbes de Bézier

L’objectif est d’obtenir un chemin plus sûr, plus fluide et plus réaliste.

---

🎯 Objectifs

• Améliorer la qualité des trajectoires
• Réduire les angles brusques
• Éviter les obstacles de manière sécurisée
• Simuler un comportement réaliste d’un robot agricole

---

🧠 Principe Théorique

Fonction classique de A*

F(n) = G(n) + H(n)

Version adaptative utilisée dans ce projet

F(n) = G(n) + k × H(n)

Où :

• G(n) : coût réel depuis le départ
• H(n) : distance de Manhattan
• k : coefficient dynamique

---

⚙️ Améliorations Implémentées

1️⃣ Distance de Manhattan

H(n) = |x - x_goal| + |y - y_goal|

Adaptée aux environnements en grille.

---

2️⃣ Pondération Dynamique

• k = 3 → si proche d’un obstacle
• k = 1 → en zone libre

Permet d’adapter la recherche selon le contexte.

---

3️⃣ Zone de Sécurité (Obstacle Inflation)

Création d’une zone tampon autour des obstacles (valeur 0.5).

Avantages :

• Réduction des risques de collision
• Meilleure sécurité
• Trajectoire plus stable

---

4️⃣ Lissage par Courbes de Bézier

Utilisation des polynômes de Bernstein pour lisser la trajectoire.

Résultat :

• Mouvement fluide
• Suppression des angles brusques
• Chemin plus naturel

---

🛠 Technologies Utilisées

• Python 3.x
• NumPy
• Matplotlib
• SciPy
• heapq (Priority Queue)

---

📂 Structure du Projet

SmartAgriNavigator/ │ ├── main.py ├── README.md ├── requirements.txt └── images/

---

📦 Installation

Cloner le projet

git clone https://github.com/brahimcode604/SmartAgriNavigator.git cd SmartAgriNavigator

Installer les dépendances

pip install -r requirements.txt

Ou manuellement :

pip install numpy matplotlib scipy

---

▶️ Exécution

python main.py

---

📊 Résultat

Le programme :

1. Génère une grille 30x30
2. Ajoute des obstacles
3. Calcule le chemin avec A* adaptatif
4. Applique le lissage Bézier
5. Affiche :
   • Chemin brut (rouge pointillé)
   • Chemin optimisé (bleu)
   • Point de départ (vert)
   • Point d’arrivée (rouge)

---

📈 Comparaison avec A* Classique

Critère	A* Classique	Version Adaptative
Sécurité	Non	Oui
Fluidité	Faible	Élevée
Zone tampon	Non	Oui
Réalisme	Faible	Élevé

---

🔬 Perspectives

• Comparaison avec RRT* et D*
• Intégration sous ROS
• Tests sur robot réel
• Ajout d’obstacles dynamiques

---

👨‍🎓 Contexte Académique

Projet réalisé dans le cadre du module : Introduction à l’Intelligence Artificielle

Master Science des Données et Analytique (SDA)

---

👥 Auteurs

• EL BAHLOUL Brahim
• Saih Mounssif

Encadré par : Pr. J. Bakkas

---

📜 Licence

Projet académique – Usage éducatif.