Apprentissage et contrôle de modèles sensori-moteurs en robotique – NIMBLE
L'agilité et la dextérité limitées des robots modernes les empêchent d'être déployés en dehors des laboratoires, sans même parler de leur déploiement dans des usines. Avec NIMBLE, nous voulons pointer du doigt le schéma de conception classique perception-décision-action, largement adopté en robotique, comme l'un des principaux facteurs limitants leur déploiement. Nous proposons de remplacer ce paradigme de contrôle en trois parties en apprenant, à partir d'expériences réelles de robots, un modèle prédictif des capacités sensorimotrices du robot. Ce modèle sensorimoteur sera notamment exploité pour prendre des décisions complexes généralisant à des situations imprévues directement à partir de mesures de capteurs. Alors que l'innovation de NIMBLE prend ses racines dans l'observation de l'organisation du contrôle moteur humain, elle est basée sur des méthodologies mathématiques avancées et bien posées, en particulier l'opérateur de Koopman assis sur l'apprentissage (profond), et exploite notre expertise reconnue dans la modélisation des robots, le contrôle optimal et l'apprentissage automatique pour les robots réels. Il permettra notamment de définir et d'exécuter des tâches complexes directement dans l'espace des capteurs. Le succès de NIMBLE sera confirmé par des références claires en matière de locomotion quadrupède capable de s'adapter de manière optimale à des terrains non structurés et de copiage mobile pour ouvrir des portes inconnues en utilisant la combinaison judicieuse du retour en force et visuel.
Coordination du projet
Justin Carpentier (Institut national de la recherche en informatique et automatique)
L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.
Partenaire
Institut national de la recherche en informatique et automatique
Aide de l'ANR 292 453 euros
Début et durée du projet scientifique :
août 2023
- 48 Mois