Hybrid Policy Optimization for Safe and Efficient Robotic Manipulation and Locomotion

Notre objectif est de parvenir à une convergence plus rapide et plus précise, en réduisant la charge de calcul et en fournissant des garanties strictes sur la politique optimale obtenue. Nous incorporerons ensuite des stratégies globales pour planifier à travers des modes dynamiques hybrides (par exemple, en raison d’interactions de contact intermittentes) et l’intégration d’informations sensorielles multimodales, y compris la détection de la force et du toucher.
Ces améliorations augmenteront la robustesse et la sécurité de nos politiques lors des interactions physiques, ce qui permettra une manipulation et une locomotion robotiques fiables dans des environnements complexes.
Les capacités expérimentales uniques de notre équipe et sa forte expertise dans les domaines de l’apprentissage par renforcement et le contrôle optimal permettront d’établir un cadre complet pour l’optimisation et le contrôle des politiques robotiques permettant à terme le développement de robots capables de mouvements complexes, adaptatifs et fiables déployés dans des cas applications réelles.
La chaire bénéficiera d’interactions fortes avec la chaire de synergie C3PO ainsi qu’avec d’autres chaires dans le domaine de l’optimisation numérique et de l’apprentissage automatique. Les résultats seront traduits en problèmes pratiques grâce à une collaboration efficace avec le fabricant de robots PAL et avec l’utilisateur final AIRBUS.
Le projet prendra également en compte les impacts socio-économiques directs avec une attention particulière portée sur la diffusion directe auprès des étudiants grâce à la création d’un programme d’échange international et le jeune public par le biais d’activités robotiques spécifiques.