La thématique générale de ce sujet de thèse est de fournir à des robots la possibilité de construire de manière progressive des comportements et représentations tout au long de leurs interactions, avec le monde physique et entre eux. Ces comportements s'appuient sur des états internes dont les mécanismes de régulation sont issus d'une forme d'apprentissage.
L'objectif est de tirer parti des possibilités offertes par l'architecture MIND pour la construction incrémentale de comportements et de représentations pour doter des robots, réels ou simulés, des capacités d'adaptation nécessaires dans les environnements physiques dans lesquels ils évoluent.
Contexte scientifique
Un des objectifs de la robotique développementale est de permettre à des robots d'acquérir des comportements complexes en cumulant, combinant et réutilisant des connaissances apprises.
La particularité de cette démarche est de s'inspirer de l’étude du développement biologique et psychologique des êtres vivants pour proposer de nouvelles méthodologies adaptées aux problématiques spécifiques des agents en interaction avec un environnement complexe, tels que les robots.
Ces problématiques couvrent un large domaine, par exemple l’acquisition de comportements, de représentations spatiales, la conception de systèmes de motivation, l'apprentissage d'opérations abstraites simples ou encore sur l’acquisition de symboles et de proto-langages.
De précédents travaux sur la construction progressive de comportements complexes par combinaison successive de comportements simples donnent des résultats qui permettent de penser que cette approche peut être appliquée de manière pertinente à la construction de représentations internes.
Ces représentations internes, qui s'apparentent à une mémoire déclarative, permettent aux agents de manipuler des états, des représentations d'objets et à terme des concepts.
L'utilisation de ces représentations vise à fournir aux agents la capacité de construire des comportements plus riches en permettant de nouvelles possibilités de combinaisons plus complexes.
Un premier exemple d'utilisation de représentations internes pour enrichir les comportements porte sur la reproduction de certaines fonctions des émotions.
Ainsi, nous souhaitons explorer l'utilité de la représentation d'états émotionnels pour réguler l'aspect énergétique des actions d'un agent et l'apport du partage de tels états sur des comportements collectifs.
Objectifs et moyens
L'objectif général est d'étendre les capacités d'apprentissage continu des robots, le Lifelong Robot Learning, à l'apprentissage de représentations. Cet objectif se décline en deux sous-objectifs qui consistent à appliquer l'approche développementale à la gestion de variables internes d'une part et à la construction de comportements utilisant ces variables d'autre part.
Ces deux objectifs sont inter-dépendants puisque les mécanismes de régulation des variables internes s'adapteront en fonction de l'utilisation qui en sera faite par les comportements.
De plus, ces nouveaux comportements complexes, alimentés par les représentations acquises par les variables (objets, synthèse de perceptions, rôles, etc.), peuvent à leur tour générer et réguler des variables internes de plus haut niveau d'abstraction.
Le contexte de développement de ces comportements complexes s’orientera rapidement vers des problèmes multi-agents, avec l’apprentissage de comportements sociaux basés par exemple sur la propagation d’émotions issues des phases de développement individuel précédentes. Une ouverture de ces travaux pourra se faire sur l'utilisation des représentations acquises pour soutenir l'émergence d'un proto-langage.
Ce projet s’appuiera sur l’architecture et sa plateforme de développement EvoAgents permettant de structurer des compétences et d’apprendre des comportements agents dans des environnements de simulation physiques simples. Les ressources de calcul du GRICAD permettront de réaliser les phases d'apprentissage en simulation et les modèles pourront être déployés sur les différentes plateformes robotiques du LCIS afin de valoriser les résultats.
#J-18808-Ljbffr
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.