INFOS8AB Foundation of Robotics | Crédits : 2 ECTS Durée : 21 heures | Semestre : S8 | ||
Responsable(s) : Patrick Hénaff, Professeur, patrick.henaff@univ-lorraine.fr | ||||
Mots clés : robotique, commande, modélisation, interaction homme/robot, commande par réseaux de neurones, machine learning | ||||
Pré requis : mathématique et physique niveau classes préparatoires | ||||
Objectif général : Comprendre les fondements de la robotique . introduire les liens entre l'informatique et la robotique particulièrement la robotique humanoïde. imaginer ce que pourrait être la robotique du futur | ||||
Programme:
Séance 5,6, 7 : Machine Learning/Apprentissage automatique
Outils et Plateformes robotiques: a) robots humanoïdes : 3 Nao, 2 demi-Nao (torse+tete+bras) + 1 cheville,1 pepper b) robots mobiles : Pioneer, ScoutMini, Minoïde c) simulateur Vrep (Coppelia Sim) | ||||
Compétences : | ||||
Niveaux | Description et verbes opérationnels | |||
Connaître | Les bases théoriques nécessaires à la programmation des boucles de commande d'un robot interactif | |||
Comprendre | -Le rôle de l'informatique à tous les niveaux de la robotique -Les enjeux de la robotique interactive avec l'homme (HRI) et la robotique humanoïde de demain -Comprendre les liens avec l'humain -Comprendre et imaginer les conséquences des modèles développées en HRI sur les autres systèmes cyber-physiques interactifs -comprendre les bases du machine learning (perceptron multicouches et rétropropagation du gradient) appliqué la la commande de robot -comprendre les principes de l'apprentoissage en boucle fermée et l'apprentissage par renforcement | |||
Appliquer | Les modèles théoriques de commande ou comportementaux, les programmer sur des plateformes robotique ou en simulation Les fondements du machine learning à l'apprentissage de comportement sensori/moteur en robotique | |||
Analyser | Les performances d'un algorithme de commande d'un robot en terme de précision, de rapidité et de coordination sensori-motrice | |||
Synthétiser | Synthétiser le travail sous forme de rapport décrivant mathématiquement les modèles, montrant l'évolution des indicateurs au cours d'un apprentissage, et incluant des simulations robotiques. | |||
Évaluer | Evaluer la qualité de son travail par une autocritique des resultats, en montrer les limites, mettre en oeuvre des test de robustesse et proposer des solutions nouvelles | |||
Évaluations : | ||||
|
|
|
|
|