05/05/2021

CIFRE - Robots auto-apprenants dans un contexte industriel


  • ORGANISATION/COMPANY
    CNRS-UM LIRMM
  • RESEARCH FIELD
    Computer scienceCybernetics
    Computer scienceInformatics
    Mathematics
  • RESEARCHER PROFILE
    First Stage Researcher (R1)
    Recognised Researcher (R2)
    Established Researcher (R3)
    Leading Researcher (R4)
  • APPLICATION DEADLINE
    13/06/2021 00:00 - Europe/Brussels
  • LOCATION
    France › Montpellier
  • TYPE OF CONTRACT
    Temporary
  • JOB STATUS
    Full-time
  • OFFER STARTING DATE
    01/09/2021

OFFER DESCRIPTION

Contexte

Dans bon nombre d’applications robotiques (industries et services divers), les robots sont programmés par un operateur humain, assez souvent très spécialisé. Cette « programmation » est souvent vue comme le séquencement d’une planification prenant and compte les capacités de commandes bas niveau de ces robots. La commande est souvent synthétisée pour réaliser une classe de tâches et l’opérateur se retrouve à devoir cataloguer et séquencer les tâches ; voir les réécrire à chaque variante. Un effort considérable est porté sur la planification, qui souvent n’est pas réactive et est prenante en temps de calcul numérique. Une manière de mitiger la commande et la planification est d’introduire une commande intermédiaire dans l’espace des tâches. Ainsi, la planification de trajectoires se contente désormais de planifier et séquencer des tâches, alors que la commande dans l’espace des tâches exploite la commande bas-niveau et permet une meilleure flexibilité de la commande et une réactivité plus facile de la planification. En réalité la commande dans l’espace des tâches est extrêmement élégante car elle permet de construire des modèles de commandes-tâches (une sorte de catalogue) indépendants du robot, capables de réaliser des objectifs multiples et multi-sensoriels. C’est une sorte de programme où le savoir-faire tâche est encapsulé : les instructions sont des commandes paramétrées ; elles sont alors séquencées et exploitées par une sorte de machine à état fini complexe opérée par la planification. Une sorte de commande de commandes. Si cela permet de concevoir une planification et des commandes très flexibles et très modulaires (car elles ne dépendent ni des robots ni des capteurs embarqués ou pas et s’étends très facilement à une commande centralisée sur une flottille de robots), encore faut-il les programmer. L’effort de programmation est certes plus lisible, mais reste assez considérable, et dépends aussi du savoir-faire et de la compétence de l’opérateur.

Sujet

Aujourd’hui, la robotisation de beaucoup de procédés est confronté à la complexité des tâches à réaliser. Ces tâches requièrent une dextérité élevée du dispositif de manipulation, une perception étendue et une planification dynamique des opérations en raison d’interactions physiques complexes à contrôler. Par exemple, certains procédés de fabrication impliquent à la fois des manipulations d’objets pouvant être souple ou rigide, et celle de différents outils. Même les drones sont étendus et envisagés à la manipulation en plein vol. La planification d’une opération complexe nécessite d’envisager celle-ci comme une succession de tâches élémentaires. L’enjeu de ce sujet de thèse est de proposer une méthodologie qui vise à permettre aux robots de s’autoprogrammer sur la base d’un procédé d’observation-imitation (l’apprentissage par IA), et leurs permettre la ré-application d’une expertise acquise dans des situations qui présentent des similitudes.

Approche

On part d’un framework de commande de robots définie dans l’espace des tâches (mc_rtc). Ce framework est développé conjointement par le CNRS et l’AIST https://jrl-umi3218.github.io/mc_rtc/

Le principal défi de cette thèse serait alors axé sur la capacité du robot à identifier, à partir d’une base de données de tâches (comportements), un ensemble et séquence (de tâches) à même de reproduire une opération (ex. assemblage, maintenance, action…) démontrée à partir des observations de l'opérateur effectuant une telle opération et ensuite être capable de s'autoprogrammer pour intervenir de manière autonome et réaliser les mêmes opérations. Cela signifie que la première étape sera axée sur la façon dont le robot s'autoprogramme à partir d'une base de données de connaissances ou de l'observation des compétences humaines.

Dans ce cas, la recherche porte principalement sur la possibilité :

1) d'élaborer un plan de tâches à partir des tâches robotiques existantes que nous utilisons dans notre contrôleur et que nous préparons autant que possible hors ligne à partir de la connaissance du procédé ;

2) de construire des séquences finies complexes à partir de ce plan pour agencer les primitives de tâches choisies avec leur timing et les combiner avec d'autres contraintes robotiques ou environnementales ;

3) Exécuter de manière fiable ce méga-contrôleur avec un ensemble complet de ramifications et de rapports.

Dans un deuxième temps, nous pourrons envisager des situations qui présentent certaines variations dans la répartition et qui nécessiteraient un raisonnement à partir de parties de plans ou de connaissances déjà existants pour gérer la situation et créer de nouvelles connaissances par et pour le robot. C'est-à-dire : la capacité du robot à créer de nouvelles connaissances à partir de situations presque nouvelles.



Funding category: Cifre

MICHELIN

PHD title: Doctorat en IA et Robotique

PHD Country: France

More Information

Offer Requirements

Specific Requirements

Ingenieur ou master universitaire avec une forte composante informatique (apprentissage et IA) avec de bonne bases en programmation C++

Notion de robotique appréciées mais pas nécessaire.

Map Information

Job Work Location Personal Assistance locations
Work location(s)
1 position(s) available at
CNRS-UM LIRMM
France
Montpellier

EURAXESS offer ID: 636548
Posting organisation offer ID: 98000

Disclaimer:

The responsibility for the jobs published on this website, including the job description, lies entirely with the publishing institutions. The application is handled uniquely by the employer, who is also fully responsible for the recruitment and selection processes.

 

Please contact support@euraxess.org if you wish to download all jobs in XML.