Machine Learning-Robotics
- Domaine
- Machine Learning-Robotics
- Domain - extra
- Année
- 2010
- Starting
- Octobre 2010
- État
- Open
- Sujet
- Metacontrôle pour la navigation d'un robot autonome
- Thesis advisor
- TARROUX Philippe
- Co-advisors
- Ph GAUSSIER ENSEA-ETIS Cergy Pontoise
- Laboratory
-
LIMSI CPU
- Collaborations
- Abstract
- Dans une tâche de localisation à longue distance ou dans des environnements complexes le système robotique doit disposer de capacités au auto-évaluer ses performances afin de décider des actions appropriées pour corriger ses erreurs de façon autonome. Le modèle de contrôleur développé reposera d'une part sur des méthodes de reconnaissance sémantique des lieux ainsi que sur l'évaluation des apprentissages réalisés utilisant en particulier la détection de nouveauté.
- Context
- L'équipe CPU du LIMSI développe une approche bayésienne de la reconnaissance d’un lieu à partir d’une série d’observations visuelles au cours de l'exploration. Le modèle d’observation peut reposer soit sur une approche de type « bag of words » s’appuyant soit sur des mesures globales de la scène soit sur un échantillonnage attentionnel.
L’équipe neurocybernétique d’ETIS a montré (Gaussier et al 2007, Cuperlier et al 2007), qu'un modèle inspiré d'études sur les rongeurs et les primates pouvait réellement contrôler un robot autonome évoluant en environnement extérieur (environnement peu ou pas structuré et considéré comme a priori inconnu). Le robot est ainsi capable d'explorer un nouvel environnement et d'apprendre par lui-même (en ligne) à revenir à des endroits précédemment explorés. Ce modèle décrit les interactions entre le système visuel et le système d'intégration d'informations idiothétiques au niveau de l'hippocampe. - Objectives
- Cette thèse a pour objectif la conception d'une architecture de contrôle robotique bio-inspirée permettant à un robot de naviguer de manière autonome sur de grandes distances sans recours à un système de positionnement de type GPS. Du point de vue des sciences cognitives, le modèle développé permettra en plus d'améliorer la compréhension des mécanismes biologiques impliqués.
- Work program
- On introduira une capacité à prédire le déplacement des amers afin de les caractériser. Deux approches seront menées de façon conjointe : selon un paradigme Bayesien ces amers seront utilisés pour détecter les transitions entre lieux. Selon un paradigme neuromimétique, on pourra caractériser un lieu comme l’ensemble des positions dans lesquelles les prédictions de décalage angulaire des amers visuels distaux restent corrélés de manière robuste aux déplacements du robot. Un mécanisme de métacontrole sera introduit afin d'identifier les amers dont on peut prédire le déplacement.
Au niveau du choix de la stratégie à suivre: détection des situations d'échec et choix le plus approprié parmi son répertoire de stratégies (suivi de réflexe, suivi de séquences sensorimotrices simples ou complexes, planification motivée...). Dans cette optique nous nous intéresserons à comprendre comment les émotions peuvent moduler les motivations ou les « drives » contrôlant la navigation d'un robot. - Extra information
- Prerequisite
- Une bonne pratique de la programmation en C/C++.
Une connaissance de et un intérêt pour l'un des domaines suivantes:
Robotique autonome et/ou cognitive, apprentissage bayesien et/ou neuromimétique - Détails
sujet_these.pdf- Expected funding
- Institutional funding
- Status of funding
- Expected
- Candidates
- Adrien JAUFFRET
Etudiant en Master 2 recherche « Systèmes et Intelligents et Communiquants » à l'Ecole
Nationale Supérieure de l'Electronique et de ses Applications (ENSEA Cergy – 95) - Utilisateur
- philippe.tarroux
- Créé
- Vendredi 04 juin 2010 15:52:49 CEST
- dernière modif.
- Vendredi 04 juin 2010 15:52:49 CEST
Connexion
Ecole Doctorale Informatique Paris-Sud
Directrice
Nicole Bidoit
Assistante
Stéphanie Druetta
Conseiller aux thèses
Dominique Gouyou-Beauchamps
ED 427 - Université Paris-Sud
UFR Sciences Orsay
Bat 650 - aile nord - 417
Tel : 01 69 15 63 19
Fax : 01 69 15 63 87
courriel: ed-info à lri.fr