Thèse soutenue

Contrôle fondé sur un apprentissage par renforcement pour la navigation 3D sécurisée de robots manipulateurs articulés à chenilles
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Andrei Mitriakov
Direction : Serge Garlatti
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 18/01/2022
Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
Partenaire(s) de recherche : Laboratoire : Equipe Robot interaction, Ambient system, Machine learning, Behaviour, Optimization - Département Informatique - Laboratoire en sciences et techniques de l'information, de la communication et de la connaissance
Jury : Président / Présidente : Benoît Clément
Examinateurs / Examinatrices : Serge Garlatti, Simon Lacroix, Anne-Marie Spalanzani, Alexandre Chapoutot, Panagiotis Papadakis
Rapporteurs / Rapporteuses : Simon Lacroix, Tomas Svoboda

Résumé

FR  |  
EN

Le transport d’objets par un robot d’assistance à chenilles équipé d’un bras, constitue un moyen pour pallier à la perte d’autonomie des personnes atteintes de déficiences cognitives ou motrices. Les travaux de recherche précédents reposant sur un contrôle conventionnel pour la navigation 3D, ils manquent de généralisation et de portabilité à différents robots ou environnements. Le contrôle basé sur l’apprentissage par renforcement (RL) constitue une alternative moins supervisée, reposant sur des hypothèses moins restrictives quant à la connaissance de la dynamique du robot ou de la structure de l’environnement.Cette thèse propose une solution de navigation 3D fondée sur le RL qui utilise tousles degrés de liberté d’un robot. En particulier, nous contribuons à la formalisation ainsi qu’au traitement du problème de négociation d’escalier pour la montée et pour la descente avec contrôle du bras. Nous analysons la portabilité de la solution à différents robots et réalisons une démonstration du transfert des contrôleurs sur un robot réel. Enfin, nous avons développé et mis à disposition un environnement logiciel pour l’apprentissage de navigation intérieure 3D en simulation, capable d’effectuer un apprentissage du contrôle debout-en-bout de façon incrémentale.