Where PhDs and companies meet
Menu
Login

Already registered?

New user?

Forgot your password?

Thèse sur des Modèles neuro-inspirés appliqués à la cobotique humanoïde

ABG-84880 Thesis topic
2019-04-23 < €25,000 annual gross
Ausy
Sèvres - Ile-de-France - France
Thèse sur des Modèles neuro-inspirés appliqués à la cobotique humanoïde
  • Robotics
  • Computer science
Robot collaboratif, sciences cognitives, neuro-robotique, apprentissage automatique, digital twin

Topic description

Contexte et objectifs

Le contrôle de mouvement d’un robot collaboratif humanoïde, ou cobot, est un domaine présentant de nombreux challenges. Les tâches qu’un cobot humanoïde peut être amené à effectuer doivent prendre en compte la présence d’humains. La manipulation et la navigation sont alors encore plus complexe. De plus, la découverte de l’espace sensori-moteur du robot peut s’avérer être fastidieuse. Enfin, le vieillissement du robot implique la nécessité de prendre en compte cette évolution dans le contrôle du robot et de soulever une alerte si nécessaire.

Pour répondre à ces défis, nous proposons l’approche « digital twin », un double numérique appris sur les données collectées sur le robot. Cette approche permet de prendre en compte l’évolution du robot, afin d’entrainer des modèles prédictifs pour l’apprentissage d’un comportement ou la détection d’un changement dans la physique du robot.

On retrouve ces mécanismes d’apprentissage pour contrôler l’exploration sensori-motrice et résoudre des problèmes spécifiques chez les primates. En s’adaptant tout au long de la vie, le cervelet et les ganglions de la base permettent à l’animal d’optimiser son comportement. Ces structures semblent agir comme le digital twin que nous cherchons à mettre en place. Nous proposons donc de s’inspirer de leur fonctionnement pour développer des modèles capables d’apprendre en ligne et de fonctionner en temps réel. En plus d’améliorer notre compréhension du cerveau, ces modèles peuvent répondre au besoin de maintenance prédictive de l’industrie.

Les objectifs de la thèse sont :

  • Proposer des modèles pour le digital twin, basés sur une architecture neuronale permettant de simuler efficacement le cobot et alerter en cas de variations anormales (maintenance prédictive).
  • Apprendre un comportement à un cobot en se basant sur l’apprentissage dans le monde réel ou dans la simulation. Dans le second cas, l’apprentissage devra être transféré au robot physique.
  • Permettre au cobot d’interagir de manière implicite avec un partenaire humain grâce à l’architecture proposée qui permettra le contrôle temps réel du robot.

Durant la thèse, le doctorant sera amené à travailler sur plusieurs plateformes robotique (robot humanoïde à commande hydraulique TINO à Cergy, Robot humanoïde Poppy chez AUSY).

Funding category

Cifre

Funding further details

Presentation of host institution and host laboratory

Ausy

AUSY, groupe français fondé en 1989, est l'un des principaux leaders européens du Conseil et de l'ingénierie en Hautes-Technologies. En 2016, AUSY a réalisé un chiffre d'affaires de 460,5M€ et emploie plus de 5300 collaborateurs sur plus de cinquante sites, avec une forte présence en Europe, aux États-Unis et en Asie.

Nominée au Prix de l’Audace Créatrice, AUSY apporte son soutien aux projets porteurs d’innovation

AUSY se positionne en tant que partenaire de référence dans le pilotage de projets d’envergure et accompagne de grandes entreprises à l’international. L'offre de services du Groupe est complète. Elle allie conseil et expertise, réalisation d'applications et de systèmes jusqu'à l'externalisation d'activités in-situ et ex-situ.

Grâce à sa culture de l'innovation et de la performance, AUSY garantit à ses ingénieurs des projets à forte valeur ajoutée et des opportunités de carrière ambitieuses.

 

ETIS, laboratoire des Equipes Traitement de l'Information et Systèmes, est une équipe de recherche commune à l'ENSEA et à l'Université de Cergy-Pontoise, reconnue par le CNRS (UMR 8051).

ETIS regroupe environ 80 membres, dont la moitié d'enseignants-chercheurs (ENSEA et Université de Cergy-Pontoise).

ETIS est organisé en quatre équipes de recherche, repartis sur les sites de l'ENSEA, et de l'Université de Cergy-Pontoise (St-Martin 1) :

Architecture, Systèmes, Technologies pour les unités Reconfigurables Embarquées (ASTRE) :

  • adéquation algorithme-architecture, conception d'IP
  • systèmes sur puce reconfigurables (RSoC)

 Information, Communications, Imagerie (ICI) :

  • algèbre linéaire
  • imagerie
  • codes LDPC et récepteurs itératifs
  • allocation de ressources pour la couche physique

  Indexation Multimédia et Intégration de Données (MIDI) :

  • indexation multimédia
  • intégration de données. 

Neurocybernétique : 

  • perception visuelle
  • apprentissage et imitation
  • navigation et planification
  • systèmes complexes

PhD title

Doctorat de Neurocybernétique

Country where you obtained your PhD

France

Institution awarding doctoral degree

ENSEA Ecole Nationale Supérieure de l'Electronique et de ses Applications

Graduate school

Ecole Doctorale Sciences et Ingénierie - ED S&I

Candidate's profile

Compétences requises

Nationalité française requise

Le profil recherché est un(e) étudiant(e), issu(e) préférablement d’un master recherche type IA réseaux de neurones, ingénierie des systèmes intelligents, robotique, traitement du signal ou équivalent.

La personne retenue doit être à l’aise sur la mise en œuvre de systèmes complexes, l’analyse de données et l’interprétation de résultats.

Une première expérience du monde de la recherche, type stage de Master, est indispensable.

Un bon niveau en C++ ou dans un autre langage de programmation orienté objet est fortement recommandé

Application deadline

2019-05-31
Partager via
Apply
Close

Vous avez déjà un compte ?

Nouvel utilisateur ?


Forgot your password?
More information?

Get ABG’s monthly newsletters including news, job offers, grants & fellowships and a selection of relevant events…

item1 item1
item1
They trusted us