Apprentissage de modèles Intelligibles de tâches pour la Programmation de Cobots

Lundi
1
Oct
2018
Type d'offre : 
  • Thèse
Durée : 
36 mois
Lieu de travail : 
Équipe d'accueil : 
Personnes à contacter : 
Damien Pellier
Support financier de thèse : 
Détails de l'offre : 
image/svg+xmlSujet de thèseTitre de la thèseApprentissage de modèles Intelligibles de tâches pour la Programmation de CobotsEncadrantsDamien PellierDurée:36moisDébut du contrat: Octobre 2018Lieu:MAGMA team -Laboratoire d’Informatique de Grenoble, avenue de la Chimie BP 53 -38041 Grenoble cedex 9Mots clé:Intelligence artificielle, planification automatique, apprentissage par démonstration, robotique, expérimentation Contexte:La cobotique, c'est-à-dire l'interaction entre un robot et un opérateur humain pour la réalisation de tâches collaboratives est une évolution émergente majeure de la robotique industrielle étendant les champs d'applications de la robotique d'assistance auxgestes de nombreuses activités professionnelles. Actuellement, la plupart des robots industriels sont dotés par des ingénieurs experts d'actions prédéfinies pour réaliser des tâches standardisées lors de la phase (hors ligne) de conception du poste de travail. Une phase de retours d'expériences permet aux opérateurs et aux ingénieurs de production de faire remonter les difficultés rencontrées ou améliorations possibles afin d'adapter le poste de travail. Ce cycle d'adaptation est long (plusieurs mois), rigide (chaque adaptation entraine de nouveaux retours qui, à leur tour, entraînement de nouvelles adaptations etc.) et complexe en terme de procédures (diagnostic de pannes, indicateurs de production etc.) Une approche plus flexible et réactive consiste à permettre à l'opérateur humain, en tant qu'expert métier directement impliqué dans la réalisation des tâches en ligne, d'apprendre au robot à adapter ses actions ou à effectuer de nouvelles tâches; voire à se passer de la phase de conception et à utiliser lerobot comme assistant "agile", capable d'apprendre des tâches collaboratives simples, répétitives et sans risque pour l'opérateur humain. Objectifs de la thèse:Il s’agira pour le doctorant de rechercheret de développerdes algorithmes d’apprentissage par démonstration [1] de modèles intelligibles de tâchespour la programmation de cobotsreposant sur le langage PDDL [2]. Un prototypage sur le cobot Baxteret la a mise en place d’une expérimentation dans laquelle un opérateur humain pourra programmer unrobot en lui apprenant des modèles d’actions simples (descriptions sémantiques des actions en termes de préconditions de déclenchement, effets, état de l'environnement) par manipulation directe, sont attendus.Concrètement, l’expérimentation devra être développée avec le robot Baxtersur une tâche simple de palettisation. Il sera également demandé au doctorant de proposer une évaluation du dispositif expérimental en s’appuyant sur les travauxdu domaine en collaborationétroite avec des psychologuesdu travail.Le doctorant sera également amener à encadrer des étudiants psychologues de master pour concevoir le protocoleexpérimentalet l’analyse des retours opérateurs.Compétences techniques souhaitées: maîtrise des langagespython, Java.Références:[1] B. Argall, S. Chernova, M. Veloso, B. Browning. A survey of robot learning from demonstration. Robotics and Autonomous Systems. Volume 57, Issue 5, 31 May 2009, Pages 469–483. [2] M. Ghallab, D. Nau and P. Traverso, “Automated Planning”, Morgan-Kaufman, 2004.Comment postuler?Adresser une lettre de recommandation en anglais avant le 4 juillet à [email protected]accompagnéede:•Votre dernier diplôme (master 2 ou Ingénieur)•Votre CV•Une présentation de votre projet scientifique(2 à 3 pages max)•Une plusieurslettresde recommandation