Comportements Adaptatifs Anticipés par apprentissage Multi-variables et processus de Supervision pour les robots mobiles. – MUSCAA

L’efficience des robots mobiles est croissante, mais se heurte actuellement au problème de la variation des conditions d’interaction, comme c’est le cas pour les applications tout-terrain. Bien que pouvant être estimées
en ligne, les transitions abruptes sont difficilement prévisibles et
l’absence d’anticipation peut conduire à des comportements inadaptés
voire dangereux. Ce projet vise à lever ce verrou en proposant des
mécanismes d’adaptation du comportement en anticipant ces variations à
partir de l’interprétation de scènes. Le projet développera des
approches d’apprentissage pour prédire ces conditions, les
cartographier, et proposer des processus de supervision stables pour
sélectionner et modifier plusieurs modes de commande. Éprouvés sur des
scénarios concrets avec les plateformes robotiques des partenaires, ces
développements renforceront l’autonomie des robots pour proposer des
solutions efficaces et sûres aux enjeux sociétaux, notamment pour
l’agriculture.