Auteur / Autrice : | Joris Guerin |
Direction : | Olivier Gibaru |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique-traitement du signal |
Date : | Soutenance le 10/12/2018 |
Etablissement(s) : | Paris, ENSAM |
Ecole(s) doctorale(s) : | École doctorale Sciences des métiers de l'ingénieur |
Partenaire(s) de recherche : | Laboratoire : LISPEN - Laboratoire d’Ingénierie des Systèmes Physiques et Numériques |
Jury : | Président / Présidente : Ivan Laptev |
Examinateurs / Examinatrices : Olivier Gibaru, Olivier Pietquin, Jean-Pierre Gazeau, Byron BOOTS, Lorenzo Natale | |
Rapporteurs / Rapporteuses : Olivier Pietquin, Jean-Pierre Gazeau |
Résumé
L’architecture multi-axes des robots industriels permet de les programmer pour effectuer des tâches diverses. Cependant, malgré qu’ils soient équipés de nombreux capteurs - ce qui devrait leur permettre de s’adapter à des changements d’environnement - l’utilisation de robots dans l’industrie se limite souvent à des tâches très répétables et ne nécessitant que peu d’adaptabilité. Dans un contexte industriel, la programmation de robots capables de s’adapter automatiquement à diverses applications, et étant robustes sous différentes conditions de fonctionnement est une source de progrès importante. Ainsi, dans cette thèse, plusieurs contributions en apprentissage automatique sont proposées dans le but de concevoir des robots intelligents, ayant une plus grande gamme de fonctionnements. Les méthodes présentées dans ce mémoire sont centrées autour du tri autonome d’objets mais peuvent servir à implémenter de nombreuses autres applications robotiques. Afin de concevoir des applications plus polyvalentes, des solutions aux problèmes de tri d’images non supervisé, de choix de vue optimal, d’apprentissage de trajectoires et de localisation stéréoscopique ont été développées.