Humanoid Sensorimotor Model Based on Continual Learning

Jesus Franco Roblès
Visioconference

Association Robots !: un outil d'expérimentation scientifique et de cadrage des usages robotiques en société.

La robotique sociale connait depuis quelques années un essor spectaculaire. Des entreprises sont initiées pour l'exploiter, des fonds conséquents sont investis. On ne peut que regretter l'instabilité de ces sociétés dont la plupart disparaissent après quelques années voire quelques mois, ainsi que l'absence totale de cadrage des usages au profit de l'exploitation commerciale. Il existe une séparation entre le monde civil qui utilise ces robots et crée des usages, et le monde de la recherche qui lutte pour y avoir accès et réaliser des expériences de terrain. Les données du terrain ne remontent pas jusqu'aux laboratoires, ou sont inutilisables de par leur hétérogénéité, et la plupart des travaux de recherche portent sur des expériences internes, limitées en temps et en nombre, auprès de populations sensibilisées au sujet (d'autres chercheurs par exemple). En 2014 a été fondée l'association Robots !. C'est un outil citoyen dont l'objectif est de mener une réflexion sur les usages et analyser l'impact social associé à ces usages. Il s'agit aussi de pérenniser les expériences prometteuses socialement, en y associant tous les acteurs de la robotique sociale: chercheur, industriels, distributeurs, citoyens, utilisateurs, intégrateurs, journalistes, etc.

Sophie Sakka
Visioconference

---

Robots! Association

Recent progress on Crocoddyl, predictive control and codesign

The Crocoddyl project aims to make advances in optimal control that potentially enable various applications such as predictive control and codesign in robotics. In this talk, I will give an overview of the salient aspects of Crocoddyl, share recent progress on numerical optimal control, and report recent examples on predictive control and codesign for agile manoeuvres in legged robotics.

Carlos Mastalli
Visioconference

Présentation de l'équipe PROGRESS

Serge Chaumette
Visioconference

Modélisation de la motivation à interagir comme fonction de récompense pour l'apprentissage par renforcement et pour un robot coach.

Nous proposons une modélisation de la motivation intrinsèque qui décrit notre curiosité, pour permettre aux agents d'apprendre plusieurs tâches et leur hiérarchie, par apprentissage par renforcement. La fonction de récompense proposée intègre aussi la motivation pour interagir avec les utilisateurs. Les algorithmes Socially Guided Intrinsic Motivation (SGIM) permettent un apprentissage multi-tâches de plusieurs types de tâches de nature différente, et pour chaque type de tâche un champ continu de tâches paramétrées. S’inspirant des théories de la motivation intrinsèque en psychologie développementale et de l’exploration orientée but, l'agent collecte des données de manière parcimonieuse en décidant quelle tâche se fixer pour but avant de mettre en oeuvre une politique. En se basant sur des mesures empiriques de progrès, l’agent optimise ainsi son programme d’apprentissage, en commençant par des tâches les plus faciles où il fait immédiatement des progrès, avant de s’attaquer aux tâches les plus difficiles.

Avec la même fonction de récompense, l’agent peut choisir les aspects de son interaction avec des utilisateurs. Afin de mieux apprendre, il peut solliciter des experts humains des démonstrations d’actions ou d’effets, quelles démonstrations demander, quand et à quel utilisateur les demander afin de progresser dans son apprentissage. Ainsi il apprend les domaines d’expertise des différents utilisateurs et décide des aspects de son interaction avec les utilisateurs : qui, quoi et quand imiter. Cette modélisation de la motivation pourra être étendue et exploitée dans des systèmes d'interaction homme-machine comme le projet Keraal de robot coach pour la rééducation qui repose sur l'analyse de mouvements et de poses humaines. Elle vise un outil pour maintenir la motivation de patients en rééducation sur le long terme, en lui proposant un robot coach.

Sao Mai Nguyen
Visioconference