Intelligence artificiel pour la robotique symbiotique

par Laurent Bimont

Projet de thèse en Informatique-traitement du signal

Sous la direction de Olivier Gibaru, Stéphane Thiery et de Pedro Neto.

Thèses en préparation à Paris, ENSAM , dans le cadre de École doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec LISPEN Laboratoire d'Ingenierie des Systèmes Physiques et Numériques (laboratoire) depuis le 28-01-2019 .


  • Résumé

    Cette thèse s'inscrit dans le cadre des activités du laboratoire LISPEN du campus ENSAM de Lille concernant l'industrie 4.0, dont l'un des défis est le développement de solutions innovantes en robotique collaborative et mobile. Le laboratoire est coordinateur du projet européen ColRobot (Collaborative Robotics for Assembly and Kitting in Smart Manufacturing) et à ce titre, il souhaite participer au developpement de solutions d'intégration de robots hautement collaboratifs. Le contexte scientifique de la thèse concerne l'utilisation de systèmes d'intelligence artificielle (IA) pour améliorer le niveau d'interaction entre l'Homme et le Robot. Cependant, l'efficacité de ces systèmes à base d'IA est limitée par l'incapacité de ces architectures à expliquer leurs décisions et actions aux utilisateurs humains. L'objectif est donc de créer une IA plus symbiotique. Le doctorant devra donc mettre en place de nouvelles architectures neuronales intégrant des méthodologies d'apprentissage non supervisées et renforcées où des évaluations statistiques devront permettrent d'expliquer les prises de décision. Ce point fait d'ailleurs l'objet d'un programme actuel de la DARPA apellé « eXplanable AI ». Un axe complémentaire pour concourir à un haut niveau d'interaction robuste nécessite la fusion des données issues de capteurs de natures différents dont les architectures neuronales associées devront être adaptées. Des recherches en IA et en traitement des données seront nécessaires pour le developpement et la mise en oeuvre de solutions facilement integrables sur des uses cases industriels. Ainsi cette thèse s'articulera autour des axes de recherches suivants : * Etude et choix de systèmes d'acquisitions de données de différentes natures * Structuration des données en vue d'une fusion pertinente des données * Conception d'architectures robustes adaptées à l'extraction de caractéristiques pertinentes, à partir des données fusionnées, pour l'aide à la décision et à l'intéraction. Le laboratoire disposant d'un parc de robots industriels collaboratifs, des tests réels seront effectués sur des uses cases industriels.

  • Titre traduit

    Artificial Intelligence for symbiotic robotic


  • Résumé

    This thesis is part of the activities of LISPEN Laboratory of Lille campus ENSAM industry 4.0, one of the challenges is the development of innovative solutions in collaborative and mobile robotics. The laboratory is coordinator of the ColRobot European project (Collaborative Robotics for Assembly and Kitting in Smart Manufacturing) and as such, it wishes to participate in the development of highly collaborative robot integration solutions. The scientific background of the thesis concerns the use of artificial intelligence (AI) systems to improve the level of interaction between humans and robots. However, the effectiveness of these AI-based systems is limited by the inability of these architectures to explain their decisions and actions to human users. The goal is to create a more symbiotic AI. The PhD student will have to set up new neural architectures integrating unsupervised and reinforcement learning methodologies where statistical evaluations will have to explain the decision making. This point is also the subject of a current program of the DARPA called "eXplanable AI". A complementary axis to contribute to a high level of robust interaction requires the fusion of data from sensors of different natures whose associated neural architectures will have to be adapted. AI and data processing research will be required for the development and implementation of easily integrable solutions for industrial uses. Thus this thesis will be articulated around the following lines of research: * Study and choice of data acquisition systems of different natures * Structuring data for a relevant data fusion * Design of robust architectures adapted to the extraction of relevant characteristics, from merged data, for decision support and interaction. Since the laboratory has a fleet of collaborative industrial robots, real tests will be carried out on industrial uses.