Thesis of Etienne Ménager

Exploration des descriptions d'état et des simulations de robots souples pour l'apprentissage et le contrôle.

La robotique déformable est un sous-domaine de la robotique où des matériaux souples sont utilisés pour créer des robots capables de s'adapter à leur environnement. Cette adaptabilité permet de nombreuses innovations, que ce soit dans le domaine médicale ou la manipulation d'objets délicats, mais présente également de nombreux défis dans les domaines de la modélisation, du contrôle et de la conception. La méthode des éléments finis (FEM) permet une modélisation et une simulation précises des robots souples. Elle permet à la fois de les contrôler, mais aussi d'évaluer leurs conceptions avant de les fabriquer. L'équipe DEFROST du Centre Inria de l’Université de Lille a développé plusieurs outils pour contrôler les robots souples, y compris l'utilisation conjointe de la modélisation inverse FEM et de l'optimisation convexe. Cependant, ces méthodes ont été développées pour un contrôle bas niveau sur un horizon temporel court. L'objectif de ce doctorat est d'étendre ce contrôle bas niveau au contrôle de robots souple sur un horizon de temps relatif à l’exécution d’une tâche. Dans ce travail, divers outils de simulation et d'apprentissage automatique seront utilisés pour trouver des séquences d'actionnement permettant de résoudre des tâches. Bien que ces outils soient puissants, ils ont tous des limites. Par exemple, la commande basée sur l'apprentissage est efficace pour résoudre des tâches complexes, mais elle nécessite une quantité importante de données pour l'apprentissage. Les modèles FEM peuvent simuler un large éventail de comportements, mais le processus de simulation peut être lent. L'un des problèmes communs à ces différents outils est la taille des systèmes mathématiques à résoudre et donc la représentation de l'état du robot souple. Selon la discipline (robotique, apprentissage automatique, simulation), la notion d'état n'a pas la même définition et n'a pas la même finalité. Le nombre de paramètres augmentant avec l'horizon temporel de la tâche à réaliser, un compromis doit être trouvé entre les différentes représentations afin de formuler efficacement les problèmes d'optimisation. Ce travail de recherche se concentre sur l'adaptation de la description de l'état des robots souples afin d'optimiser leur actionnement sur l'horizon temporel de la tâche. Ceci est important car le choix du modèle détermine ce qu'il est réellement possible de faire en termes d'apprentissage, de contrôle et même de conception.

Jury

M. Christian DURIEZ INRIA Lille Nord Europe Directeur de thèse, M. Vincent PADOIS Centre Inria de l'université de Bordeaux Rapporteur, M. Kanty RABENOROSOA FEMTO-ST Rapporteur, M. Justin CARPENTIER Centre Inria de Paris Examinateur, M. Philippe PREUX Centre Inria de l'Université de Lille Examinateur, Mme Margaret KOEHLER Intuitive Surgical Examinatrice.

Thesis of the team DEFROST defended on 21/12/2023