Méthodes d'apprentissage et de classification basées tactile pour la planification et la vérification de tâches applications en manipulation robotique pluridigitale
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 |
référent : Faculté des sciences d'Orsay |
Mots clés
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.