Apprentissage pour la robotique humanoïde

Apprentissage pour la robotique humanoïde

Introduction générale

Olivier Sigaudhttp://people.isir.upmc.fr/sigaud

UE Animat, M2 IAD

8 février 2013

Apprentissage pour la robotique humanoïde

Présentation générale

Nouveaux dé�s pour la robotique

Γ = −KS (q − q∗)−KD(q̇ − q̇∗) + ΓextRaideur importante : KS ,KD grands

I D'un environnement maîtrisé, tâches répétitives, pré-programmées

I A un environnement inconnu, tâches diverses, impossibles à prévoir

Apprentissage pour la robotique humanoïde

Présentation générale

Limites des méthodes classiques

Comportement pré-programmé, raideInteractions imprévisibles (humains)

Très souple, s'adapte aux perturbationsApprend des modèles, gère l'incertain

I De nouvelles approches de commande sont nécessaires

Apprentissage pour la robotique humanoïde

Présentation générale

Contrôle moteur humain : principes d'optimalité

I Le système d'actionnement est un ensemble de muscles redondants,bruités et avec délais

I Le bruit moteur est proportionnel à l'activation musculaire

I Pour maximiser la précision, minimiser le bruit

I Approche du contrôle moteur : on optimise au niveau des activationsmusculaires, sur des critères opérationnels

Guigon (2011) Models and architectures for motor control : Simple or complex ? Motor Control

Guigon, E., Baraduc, P., & Desmurget, M. (2008). Optimality, stochasticity and variability in motor

behavior. Journal of Computational Neuroscience, 24(1), 57�68.

Apprentissage pour la robotique humanoïde

Présentation générale

De la programmation à l'apprentissage

I Les robots humanoïdes immergés en milieu humain

I On ne peut plus tout programmer

I En milieu dynamique, on ne peut pas non plus tout plani�er

I Nécessité d'une capacité à apprendre en situation

I Sous-objectifs : apprendre à interagir avec les humains, apprendre les règlessociales, apprendre des comportements e�caces...

I Approche développementale : prendre le problème à sa racine sensori-motrice

Apprentissage pour la robotique humanoïde

Présentation générale

Limitations pour le transfert en robotique

I On ne connaît pas les modèles quand on interagit avec l'environnement

I Apprendre les modèles en ligne (cours 1)

I La commande optimale est trop chère pour un calcul on-line sur robot humanoïde

I Apprendre une politique optimale par optimisation de paramètres etexécuter réactivement (cours 2)

I Des gestes élémentaires aux stratégies d'action

I Du contrôle moteur à la décision (cours 3)

Apprentissage pour la robotique humanoïde

Références

Guigon, E. (2011).

Models and architectures for motor control : Simple or complex ?In F. Danion & M. L. Latash (Eds.), Motor Control (pp. 478�502). Oxford, UK : Oxford University Press.

Guigon, E., Baraduc, P., & Desmurget, M. (2008).

Optimality, stochasticity and variability in motor behavior.Journal of Computational Neuroscience, 24(1), 57�68.