Utilisation de l’optimisation basée sur un modèle et de l’apprentissage du mouvement

Objectifs de la chaire

Comment générer des mouvements complexes pour des robots arbitraires avec des bras et jambes interagissant physiquement dans un environnement dynamique ?

Cette chaire étudie le mouvement artificiel et biomécanique utilisant des méthodes numériques avancées et l’apprentissage par renforcement, tout en ciblant des mouvements efficaces sur de vrais robots.

Nous avons récemment démontré la première prise de contrôle prédictive du corps entier du robot humanoïde grandeur nature Talos à l’aide d’une mémoire de mouvement pré-enregistrée.

L’objectif de la chaire est d’étudier les fondements du mouvement polyarticulé en combinant des méthodes numériques avancées (contrôle optimal, optimisation contrainte du second ordre) et basé sur les données.

Programme : IA collaborative
Thèmes : Neuroscience et IA, Robotique et IA

Porteur :
Nicolas Mansard, DR CNRS, Laas

Co-chairs :  

  • Olivier Stasse (LAAS CNRS)
  • Olivier Cots (Toulouse INP, IRIT)

Site : http://homepages.laas.fr/nmansard/

En savoir +

Faire marcher un robot : un défi permanent

Pourrons-nous un jour nous exclamer « quelle démarche élégante ! » à la vue d’un robot humanoïde en mouvement ? Le roboticien Nicolas Mansard s’efforce de perfectionner les mouvements des robots grâce à l’intelligence artificielle… sans pour autant chercher à reproduire la marche humaine à l’identique.

Lire l’article Exploreur

Ne manquez rien !

Inscrivez-vous pour recevoir l'actualité d'ANITI chaque mois.

Nous n’envoyons pas de messages indésirables !

fr_FRFrench