Description
Date depot: 4 avril 2024
Titre: De la génération de données à l’extraction de connaissance en robotique : apprentissage de comportements de saisie et de manipulation d’objets
Directeur de thèse:
Stéphane DONCIEUX (ISIR (EDITE))
Directeur de thèse:
Faïz BEN AMAR (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: Les affordances sont des associations entre un robot et ses capacités d'action, un objet et le résultat obtenu. Elle permettent de structurer les perceptions et les actions. Leur construction est complexe et bien souvent spécifique à un contexte particulier dans lequel un étiquetage par des experts est nécessaire. Une des raisons de ces limitations est liée à la difficulté de disposer de suffisamment de données pour identifier les régularités et construire automatiquement de telles représentations. L'objectif de ce PRD est d'étudier l'apport de méthodes d'exploration basées sur des algorithmes de qualité-diversité qui se sont révélés capables de générer de grandes quantités d'exemples de mouvement de saisie d'objets, un tâche très difficile compte tenu de la nature discontinue et éparse des mouvements appropriés. Cette thèse consistera à tout d'abord structurer la base des exemples générés sous l'angle des affordances, avant de généraliser l'exploration à d'autres mouvements que la saisie d'objets. Ces travaux seront appliqués sur robots réels.
Résumé dans une autre langue: Affordances are associations between a robot and its action capabilities, an object and the result obtained. They help structure perceptions and actions. Their construction is complex and often context-specific, requiring expert labeling. One of the reasons for these limitations is the difficulty of obtaining sufficient data to identify regularities and automatically construct such representations. The aim of this PRD is to investigate the contribution of exploration methods based on quality-diversity algorithms that have proved capable of generating large quantities of object grasping motion examples, a very difficult task given the discontinuous and sparse nature of the relevant motions. The aim of this thesis is first to structure the base of generated examples from the point of view of affordances, before generalizing the exploration to movements other than object grasping. This work will be applied to real robots.