Contribution au Concept d'Intelligence Incarnée en Robotique Souple à travers la Co-Optimisation du Contrôle et de la Conception

Contributions to the Concept of Embodied Intelligence in Soft Robotics through Control and Design Co-Optimization

• Auteur / Autrice : Tanguy Navez
• Direction : Christian Duriez
• Type : Projet de thèse
• Discipline(s) : Informatique et applications
• Date : Inscription en doctorat le 01/09/2021
• Etablissement(s) : Université de Lille (2022-....)
• Ecole(s) doctorale(s) : MADIS Mathématiques, sciences du numérique et de leurs interactions
• Partenaire(s) de recherche : Laboratoire : CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille

Mots clés

Mots clés libres

Modélisation éléments finis

Apprentissage machine

Conception numérique

Robotique souple

Optimisation numérique

Réduction de modèles

Finite element modelling

Machine Learning

Computational design

Soft Robotics

Numerical optimization

Model order reduction

Résumé

La robotique souple profite de matériaux déformables pour mieux s'adapter à l'environnement, manipuler des objets fragiles, interagir en toute sécurité avec les humains, ou naviguer dans des espaces restreints par exemple. Ce principe est inspiré de la nature où les organismes vivants ont naturellement évolué pour adapter leur forme et leur structure. L'intelligence intégrée est un sujet émergent en robotique souple. La vision classique de l'intelligence artificielle en robotique concerne essentiellement le contrôle et la dextérité des robots sur diverses tâches. Pourtant, une partie de la difficulté de ce contrôle peut être résolue par des choix de conception ou des mécanismes distribués locaux permettant un retour d'expérience morphologique. Lors du processus de conception d'un robot souple, l'espace des possibles est très large : quelle forme doit avoir le robot ? Où doit-il être conforme et où doit-il être rigide ? Où doivent être placés les actionneurs ? Doit-on utiliser une certaine anisotropie ?... Cependant, force est de constater que dans la nature, certains des mécanismes décrits ci-dessus sont reproduits et adaptés (taille, morphologie, ...) quel que soit l'animal. L'enjeu est donc de pouvoir reproduire la complexité de la conception par l'assemblage automatique de mécanismes préconçus qui pourraient être fournis en entrée. Ce processus d'optimisation nécessitera l'évaluation automatique des fonctions de récompense et un travail sur la paramétrisation des modèles. Le deuxième défi est alors de fournir automatiquement une nouvelle simulation éléments finis de ces mécanismes sans avoir besoin d'intervention manuelle lorsque la morphologie du robot est modifiée par l'optimisation. Le troisième défi sera de disposer d'une simulation efficace adaptée à des calculs rapides.

Soft robotic is taking advantage of compliant materials to better adapt to their environment, manipulate fragile objects, interacts safely with humans, or navigate through tight spaces for example. This principle is inspired by nature where living organisms have naturally evolved to adapt their shape and structure. Embodied intelligence is an emerging topic in soft robotics. The classical vision of artificial intelligence in robotics essentially concerns the control and dexterity of robots on various tasks. Yet part of the difficulty of this control can be adressed by design choices or local distributed mechanisms allowing morphological feedback. During the design process of a soft robot, the space of possibilities is very large: what shape should the robot have? Where should it be compliant and where should it be stiff? Where should be placed the actuators? Should we use some anisotropy?... However, it is clear that in nature, some of the mecanisms described above are reproduced and adapted (size, morphology, ...) whatever the animal. The challenge is therefore to be able to reproduce the complexity of the design by the automatic assembly of pre-designed mùechanisms that could be provided as an input. This optimization process will require the automatic evaluation of reward functions and a work on model parametrization. The second challenge is then to provide automatically new finite element modeling simulation of these mechanisms without the need of manual intervention when the morphology of the robot is modified by the optimization. The third challenge will be to have efficient simulation suitable for fast computations.