Méthodes d'apprentissage et de classification basées tactile pour la planification et la vérification de tâches – applications en manipulation robotique pluridigitale

Tactile-based learning and classification methods for task planning and verification – applications to multi-digital robotic manipulation

• Auteur / Autrice : Théo Ayral
• Direction : Mathieu Grossard
• Type : Projet de thèse
• Discipline(s) : Robotique
• Date : Inscription en doctorat le 01/04/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'intégration de systèmes et de technologies
• Partenaire(s) de recherche : référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

Préhension

Robotique

Capteur tactile

Automatique

Apprentissage Automatique

Grasping

Machine Learning

Control

Robotics

Tactile sensor

Résumé

La manipulation robotique d'objets requiert en premier lieu une planification de prise de ces objets, qui est fonction de paramètres caractéristiques du préhenseur et de la tâche à effectuer (tels que les zones d'accessibilité ou le niveau et la direction des efforts pouvant être impliqués dans les tâches d'assemblage, d'insertion, de manipulation dextre, etc.). En outre, lors de l'exécution de la tâche, il est nécessaire de pouvoir s'assurer du déroulement nominal de la tâche planifiée, en détectant l'occurrence de certains évènements critiques et nécessaires à sa réalisation (tels que l'interaction d'objets entre eux, la perte de stabilité de l'objet, etc.) puis en validant la réalisation effective de la tâche planifiée (via la classification de données permettant de caractériser le succès ou non de tâches telles que l'insertion ou l'assemblage). Les travaux envisagés dans le cadre de la thèse vise à proposer des stratégies de détection et vérification, cruciales lorsqu'il s'agit de robotiser certaines tâches critiques exigeant un haut niveau de traçabilité. Il est prévu de s'appuyer notamment sur l'analyse et la surveillance de données ou signaux proprioceptifs du préhenseur.

The robotic manipulation of objects first of all requires a grasp planning of these objects, which is a function of the characteristic parameters of the considered hardware tools and the task to be performed (such as the accessibility areas or the level and direction of the efforts that may be involved in the tasks of assembly, insertion, dexterous manipulation, etc.). In addition, during the execution of the task, it is necessary to be able to ensure the nominal progress of the planned task, by detecting the occurrence of certain critical events necessary for its completion (such as the interaction of objects with each other, the loss of stability of the object, etc.) and then validating the actual completion of the planned task (via the classification of data that characterizes the success or failure of tasks such as insertion or assembly). The work envisaged in the framework of the thesis aims at proposing detection and verification strategies, crucial when it comes to robotizing certain critical tasks requiring a high level of traceability. It is planned to rely in particular on the analysis and monitoring of proprioceptive signals of the gripper.