Thèse soutenue

Reconnaissance visio-haptique des objets de la vie quotidienne : à partir de peu de données d'entraînement

FR  |  
EN
Auteur / Autrice : Zineb Abderrahmane
Direction : Andrea Cherubini
Type : Thèse de doctorat
Discipline(s) : Systèmes automatiques et micro-électroniques
Date : Soutenance le 29/11/2018
Etablissement(s) : Montpellier
Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)
Jury : Président / Présidente : Véronique Perdereau
Examinateurs / Examinatrices : Andrea Cherubini, Véronique Perdereau, Yoichi Miyawaki, Lorenzo Natale, André Crosnier, Ganesh Gowrishankar, Gordon Cheng
Rapporteurs / Rapporteuses : Yoichi Miyawaki, Lorenzo Natale

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Il est important pour les robots de pouvoir reconnaître les objets rencontrés dans la vie quotidienne afin d’assurer leur autonomie. De nos jours, les robots sont équipés de capteurs sophistiqués permettant d’imiter le sens humain du toucher. C’est ce qui permet aux robots interagissant avec les objets de percevoir les propriétés (telles la texture, la rigidité et la matière) nécessaires pour leur reconnaissance. Dans cette thèse, notre but est d’exploiter les données haptiques issues de l’interaction robot-objet afin de reconnaître les objets de la vie quotidienne, et cela en utilisant les algorithmes d’apprentissage automatique. Le problème qui se pose est la difficulté de collecter suffisamment de données haptiques afin d’entraîner les algorithmes d’apprentissage supervisé sur tous les objets que le robot doit reconnaître. En effet, les objets de la vie quotidienne sont nombreux et l’interaction physique entre le robot et chaque objet pour la collection des données prend beaucoup de temps et d’efforts. Pour traiter ce problème, nous développons un système de reconnaissance haptique permettant de reconnaître des objets à partir d'aucune, de une seule, ou de plusieurs données d’entraînement. Enfin, nous intégrons la vision afin d’améliorer la reconnaissance d'objets lorsque le robot est équipé de caméras.