sujet2019-babbling

Comment découvrir son corps ?

Auteur : Amine Boumaza et Alain Dutech

Informations générales

Encadrants Amine Boumaza Alain Dutech
Adresse
Téléphone 03 54 95 86 31 03 83 59 20 95
Email amine.boumaza@loria.fr alain.dutech@loria.fr
Bureau C 123 C 044

Motivations

Apprendre à contrôler un robot redondant, c’est-à-dire un robot où plusieurs configurations permettent d’atteindre une position donnée, reste une tâche difficile en Intelligence Artificielle. Elle est d’autant plus difficile quand on ne dispose pas de modèle du robot. Le but de ce projet est d’explorer différentes approches pour apprendre de manière autonome ce type de contrôle.

Sujet & Cadre du travail

Ce projet rentre dans le cadre général de l’apprentissage artificiel et plus précisément dans le cadre où l’agent apprenant ne dispose par d’un modèle (cinématique et dynamique) de son corps. Il doit “apprendre” ce modèle en observant les effets de ses différentes actions de manière progressive, à l’image des nouveaux nés, dont les premiers gestes sont assez imprécis et s’affinent au fur et à mesure du développement de l’enfant et la découverte de leur corps.

Plusieurs algorithmes d’apprentissage proposent d’imiter le développement chez les enfant en s’appuyant sur un processus exploratoire des espaces sensoriels et moteur du robot . L’objectif du travail de recherche proposé est de proposer et d’implanter un algorithme d’exploration des effets des action moteur sur un robot réel.

Le protocole expérimental envisagé s’appuiera sur un robot ErgoJr (https://www.poppy-project.org/fr/robots/poppy-ergo-jr) à plusieurs degrés de liberté. Une caméra sera installée en bout de bras. Les algorithmes d’apprentissage devront permettre de mettre en œuvre des tâches d’asservissement visuel (par exemple, suivre “du regard” un stimulus visuel).

Nous proposons d’articuler ce projet en plusieurs étapes.

  • Étude bibliographique sur les méthodes de la littérature permettant le type d’apprentissage visé dans ce projet. Cette étude pourrait être amorcée par la thèse .

  • Mise au point d’un algorithme et expérimentations pour tests et validations.

References

Pierre-Yves Oudeyer, Frederic Kaplan What is intrinsic motivation? A typology of computational approaches Frontiers in Neurorobotics (1), p. 6, 2009.

Clément Moulin-Frier, Pierre-Yves Oudeyer Exploration strategies in developmental robotics : a unified probabilistic framework. ICDL-Epirob International Conference on Development and Learning, Epirob, Osaka, Japan, 2013.

Fabien Benureau Self-Exploration of Sensorimotor Spaces in Robots. Thèse de doctorat. Mathématiques et Informatique – Spécialité Informatique. Université de Bordeaux.

Matthias Rolf, Jochen J. Steil Explorative learning of inverse models: A theoretical perspective Neurocomputing (131), 2–14, 2014

Rolf, Matthias, and Minoru Asada Learning Inverse Models in High Dimensions with Goal Babbling and Reward-Weighted Averaging Workshop on Advances in Machine Learning for Sensorimotor Control. 2013.

Comments are closed.