Author: "Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence - Searchworks@Jio Institute Digital Library Search Results

Your search keyword '"Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence ' showing total 839 results

Start Over Author "Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence

839 results on '"Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence '

1. Neuro-musculoskeletal simulator of rhythmic movements of human hip joint

Author: Aleksandr P. Shulyak, Patrick Henaff, Andrii D. Shachikov, Université de Lorraine (UL), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), National Technical University of Ukraine 'Kyiv Polytechnic Institute' [Kiev], Analysis and modeling of neural systems by a system neuroscience approach (NEUROSYS), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université de Lorraine ( UL ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Institut National de Recherche en Informatique et en Automatique ( Inria ), Analysis and modeling of neural systems by a system neuroscience approach ( NEUROSYS ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Department of Complex Systems, Artificial Intelligence & Robotics ( LORIA - AIS ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), and Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS )
Subjects: Physics, medicine.medical_specialty, центральний генератор впорядкованої активності, [ INFO ] Computer Science [cs], хвороба Паркінсона, musculoskeletal model, мускульно-скелетная модель, [ SDV.MHEP.RSOA ] Life Sciences [q-bio]/Human health and pathology/Rhumatology and musculoskeletal system, central pattern generator, болезнь Паркинсона, [SDV.MHEP.RSOA]Life Sciences [q-bio]/Human health and pathology/Rhumatology and musculoskeletal system, м’язо-скелетна модель, Ophthalmology, medicine, Parkinson’s disease, центральный генератор упорядоченной активности, [INFO]Computer Science [cs], General Economics, Econometrics and Finance
Abstract: International audience; IntroductionThe presented simulator of human rhythmic movements is based on the original model of central pattern generators (CPG), which generate periodic signals for controlling the muscles of the joint. Current models of parkinsonian movements do not simulate lower structures that obtain signals from decision-making structures in brain and are involved in controlling rhythmic muscle activity. Namely, rhythmic activities are influenced by Parkinson disease the most.The aim of this work is to simulate human lower limbs to study the effects of Parkinson's disease on walking. Global simulator would consist of three consequent levels-computational models: basal ganglia, network of CPGs, and musculoskeletal lower limbs. The presented work covers second and third levels regarding single hip joint.Simulator architectureThe CPG model consists of four layers for four types of neurons. Output signals of a pair of motoneurons are fed to the inputs of the Hill models of two opposite leg muscles. Muscles pull thighbone and musculoskeletal model calculates feedbacks, which are represented by three types of sensory neurons.The presented work is illustrated by implementation of neuro-musculoskeletal system of right human thigh, controlled by two muscles of the hip joint, Iliopsoas and Glutei. Three types of sensory neurons react to speed of contraction, force, and length of muscles. They affect motoneurons of both own and opposite half-centers.Modelling resultsCPG is able to rhythmically control muscles without upper control from brain. The latter only influences modes of CPG. Phase diagram of the joint showed stable swings after 4 periods of transition from stillness to one swing per 2 seconds.The change in the oscillation frequency of the CPG showed a short transition period before stabilization of the hip swings. The phase diagram of the hip joint showed stabilization of periodic motion on a single trajectory for each speed value.ConclusionsSimulation shows symmetrical and smooth swings, with amplitude limited to values of natural gait. Used version of control is presented for the first time. The further work is directed on creation of a stable human gait with CPG models for each pair of muscles for both legs.Keywords: central pattern generator, musculoskeletal model, Parkinson’s disease; Представленный симулятор ритмических движений человека основывается на оригинальной модели центральных генераторов упорядоченной активности (ЦГУА), которые создают периодические сигналы для управления мускулами сустава. Цель работы – моделирование нижних конечностей человека для изучения влияния болезни Паркинсона на ходьбу.Модель ЦГУА состоит из четырёх слоёв для четырёх типов нейронов. Сигналы с выходов пары мотонейронов подаются на вход Хилловских моделей двух противоположных мышц ноги. Обратные связи представлены тремя типами сенсорных нейронов.Представленная работа иллюстрирована управлением бедром человека двумя мускулами тазобедренного сустава. Изменение частоты колебаний ЦГУА показало короткий переходной период до стабилизации колебаний бедра. Фазовая диаграмма тазобедренного сустава показала стабилизацию периодического движения на единственной траектории для каждого значения скорости.Представленный вариант управления представлен впервые. Дальнейшая работа направлена на создание стабильной ходьбы человека с помощью ЦГУА для каждой мышцы обеих ног.Ключевые слова: центральный генератор упорядоченной активности, мускульно-скелетная модель, болезнь Паркинсона; Представлений симулятор ритмічних рухів людини ґрунтується на оригінальній моделі центральних генераторів впорядкованої активності (ЦГВА), які створюють періодичні сигнали для керування м’язами суглобу. Ціль роботи – моделювання нижніх кінцівок для дослідження впливу хвороби Паркінсона на ходьбу.Модель ЦГВА складається з чотирьох шарів для чотирьох типів нейронів. Сигнали з виходів пари мотонейронів подаються на вхід Хілловських моделей двох протилежних м’язів ноги. Зворотні зв’язки представлені трьома типами сенсорних нейронів.Представлена робота ілюстрована керуванням стегном людини двома м’язами кульшового суглобу. Зміна частоти коливань ЦГВА показало короткий перехідний період до стабілізації коливань суглобу. Фазова діаграма кульшового суглобу показала стабілізацію періодичних рухів на єдиній траєкторії для кожного значення швидкості.Представлений варіант керування представлений вперше. Подальша робота направлена на створення стабільної ходьби людини за допомогою ЦГВА для кожного м’язу обох ніг.Ключові слова: центральний генератор впорядкованої активності, м’язо-скелетна модель, хвороба Паркінсона
Published: 2018

2. Нейро-мускульноскелетный симулятор ритмических движений тазобедренного сустава человека

Author: Shachykov , Andrii, Patrick , Henaff, Shulyak , Olexandr, Université de Lorraine (UL), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria), National Technical University of Ukraine 'Kyiv Polytechnic Institute' [Kiev], Analysis and modeling of neural systems by a system neuroscience approach (NEUROSYS), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL), Université de Lorraine ( UL ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Institut National de Recherche en Informatique et en Automatique ( Inria ), Analysis and modeling of neural systems by a system neuroscience approach ( NEUROSYS ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Department of Complex Systems, Artificial Intelligence & Robotics ( LORIA - AIS ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), and Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS )
Subjects: [ SDV.MHEP.RSOA ] Life Sciences [q-bio]/Human health and pathology/Rhumatology and musculoskeletal system, central pattern generator, центральний генератор впорядкованої активності, [ INFO ] Computer Science [cs], болезнь Паркинсона, [SDV.MHEP.RSOA]Life Sciences [q-bio]/Human health and pathology/Rhumatology and musculoskeletal system, м’язо-скелетна модель, хвороба Паркінсона, Parkinson’s disease, центральный генератор упорядоченной активности, [INFO]Computer Science [cs], musculoskeletal model, мускульно-скелетная модель
Abstract: International audience; IntroductionThe presented simulator of human rhythmic movements is based on the original model of central pattern generators (CPG), which generate periodic signals for controlling the muscles of the joint. Current models of parkinsonian movements do not simulate lower structures that obtain signals from decision-making structures in brain and are involved in controlling rhythmic muscle activity. Namely, rhythmic activities are influenced by Parkinson disease the most.The aim of this work is to simulate human lower limbs to study the effects of Parkinson's disease on walking. Global simulator would consist of three consequent levels-computational models: basal ganglia, network of CPGs, and musculoskeletal lower limbs. The presented work covers second and third levels regarding single hip joint.Simulator architectureThe CPG model consists of four layers for four types of neurons. Output signals of a pair of motoneurons are fed to the inputs of the Hill models of two opposite leg muscles. Muscles pull thighbone and musculoskeletal model calculates feedbacks, which are represented by three types of sensory neurons.The presented work is illustrated by implementation of neuro-musculoskeletal system of right human thigh, controlled by two muscles of the hip joint, Iliopsoas and Glutei. Three types of sensory neurons react to speed of contraction, force, and length of muscles. They affect motoneurons of both own and opposite half-centers.Modelling resultsCPG is able to rhythmically control muscles without upper control from brain. The latter only influences modes of CPG. Phase diagram of the joint showed stable swings after 4 periods of transition from stillness to one swing per 2 seconds.The change in the oscillation frequency of the CPG showed a short transition period before stabilization of the hip swings. The phase diagram of the hip joint showed stabilization of periodic motion on a single trajectory for each speed value.ConclusionsSimulation shows symmetrical and smooth swings, with amplitude limited to values of natural gait. Used version of control is presented for the first time. The further work is directed on creation of a stable human gait with CPG models for each pair of muscles for both legs.Keywords: central pattern generator, musculoskeletal model, Parkinson’s disease; Представленный симулятор ритмических движений человека основывается на оригинальной модели центральных генераторов упорядоченной активности (ЦГУА), которые создают периодические сигналы для управления мускулами сустава. Цель работы – моделирование нижних конечностей человека для изучения влияния болезни Паркинсона на ходьбу.Модель ЦГУА состоит из четырёх слоёв для четырёх типов нейронов. Сигналы с выходов пары мотонейронов подаются на вход Хилловских моделей двух противоположных мышц ноги. Обратные связи представлены тремя типами сенсорных нейронов.Представленная работа иллюстрирована управлением бедром человека двумя мускулами тазобедренного сустава. Изменение частоты колебаний ЦГУА показало короткий переходной период до стабилизации колебаний бедра. Фазовая диаграмма тазобедренного сустава показала стабилизацию периодического движения на единственной траектории для каждого значения скорости.Представленный вариант управления представлен впервые. Дальнейшая работа направлена на создание стабильной ходьбы человека с помощью ЦГУА для каждой мышцы обеих ног.Ключевые слова: центральный генератор упорядоченной активности, мускульно-скелетная модель, болезнь Паркинсона; Представлений симулятор ритмічних рухів людини ґрунтується на оригінальній моделі центральних генераторів впорядкованої активності (ЦГВА), які створюють періодичні сигнали для керування м’язами суглобу. Ціль роботи – моделювання нижніх кінцівок для дослідження впливу хвороби Паркінсона на ходьбу.Модель ЦГВА складається з чотирьох шарів для чотирьох типів нейронів. Сигнали з виходів пари мотонейронів подаються на вхід Хілловських моделей двох протилежних м’язів ноги. Зворотні зв’язки представлені трьома типами сенсорних нейронів.Представлена робота ілюстрована керуванням стегном людини двома м’язами кульшового суглобу. Зміна частоти коливань ЦГВА показало короткий перехідний період до стабілізації коливань суглобу. Фазова діаграма кульшового суглобу показала стабілізацію періодичних рухів на єдиній траєкторії для кожного значення швидкості.Представлений варіант керування представлений вперше. Подальша робота направлена на створення стабільної ходьби людини за допомогою ЦГВА для кожного м’язу обох ніг.Ключові слова: центральний генератор впорядкованої активності, м’язо-скелетна модель, хвороба Паркінсона
Published: 2018

3. An Overview of in Silico Methods for the Prediction of Ionizing Radiation Resistance in Bacteria

Author: Zoghlami, Manel, Aridhi, Sabeur, Maddouri, Mondher, Mephu Nguifo, Engelbert, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Informatique, Programmation, Algorithmique et Heuristique (LIPAH), Faculté des Sciences Mathématiques, Physiques et Naturelles de Tunis (FST), Université de Tunis El Manar (UTM)-Université de Tunis El Manar (UTM), Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Taibah University, University of Jeddah, Tamar Reeve, Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Informatique, de Modélisation et d'optimisation des Systèmes ( LIMOS ), Centre National de la Recherche Scientifique ( CNRS ) -Sigma CLERMONT ( Sigma CLERMONT ) -Université d'Auvergne - Clermont-Ferrand I ( UdA ) -Université Blaise Pascal - Clermont-Ferrand 2 ( UBP ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Centre National de la Recherche Scientifique ( CNRS ), Computational Algorithms for Protein Structures and Interactions ( CAPSID ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Department of Complex Systems, Artificial Intelligence & Robotics ( LORIA - AIS ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)
Subjects: bacterial ionizing radiation resistance, phenotype prediction, multiple instance learning, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [ INFO.INFO-BI ] Computer Science [cs]/Bioinformatics [q-bio.QM], [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], ComputingMilieux_MISCELLANEOUS, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Ionizing-radiation-resistant bacteria (IRRB) could be used for biore-mediation of radioactive wastes and in the therapeutic industry. Limited computational works are available for the prediction of bacterial ionizing radiation resistance (IRR). In this chapter, we present some works that study the causes of the high resistance of IRRB to ionizing radiation. Then we focus on presenting in silico approaches that use protein sequences of bacteria in order to predict if an unknown bacterium belongs to IRRB or ionizing-radiation-sensitive bacteria (IRSB). These approaches formulate the problem of predicting bacterial IRR as a multiple instance learning (MIL) problem where bacteria represent the bags and * Corresponding Author: manel.zoghlami@gmail.com. 2 Manel Zoghlami, Sabeur Aridhi, Mondher Maddouri et al. primary structure of basal DNA repair proteins of each bacterium represent the instances inside the bags. We also present a formulation of the problem of MIL in sequence data and explain how it could be used to solve the problem of IRR prediction in bacteria. A brief comparison of the presented approaches is provided.
Published: 2018

4. Approche locale pour l’exploration autonome d’environnements inconnus par une flottille de robots

Author: Gauville, Nicolas, Charpillet, François, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), SAFRAN Electronics & Defense, and ANRT- Cifre
Subjects: [SPI]Engineering Sciences [physics], [INFO]Computer Science [cs], multirobot, stigmergie, exploration
Abstract: International audience; L’exploration autonome d’un environnement inconnu peut être envisagée de différentes manières. On peut notamment citer les approches par frontières, où des robots sont affectés à des zones inexplorées de la carte. Ces dernières sont efficaces, mais néces- sitent de partager une carte et globaliser les décisions d’affectation. Les approches Brick and Mortar, quant à elles, utilisent un marquage au sol avec une prise de décision locale, mais donnent des performances beaucoup moins intéressantes. L’algorithme présenté ici est un compromis entre ces deux approches, permettant une prise de décision locale et, de façon surprenante, des performances proches des approches par frontières globales. Nous proposons également une étude comparative de la performance des trois différentes ap- proches : Brick & Mortar, frontières globales et frontières locales. Notre algorithme local est également complet pour le problème d’exploration et peut être facilement distribué sur des robots avec une perte de performance mineure.multirobot,stigmergie,exploration
Published: 2022

5. Analysis of Human Whole-Body Joint Torques During Overhead Work With a Passive Exoskeleton

Author: Claudia Latella, Yeshasvi Tirupachuri, Luca Tagliapietra, Lorenzo Rapetti, Benjamin Schirrmeister, Jonas Bornmann, Dasa Gorjan, Jernej Camernik, Pauline Maurice, Lars Fritzsche, Jose Gonzalez-Vargas, Serena Ivaldi, Jan Babic, Francesco Nori, Daniele Pucci, Istituto Italiano di Tecnologia (IIT), Ottobock SE & Co. KGaA, JSI (JSI Ljubljana), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL), imk automotive GmbH, European Project: 731540,H2020,An.Dy(2017), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Computer Networks and Communications, Human Factors and Ergonomics, Computer Science Applications, body regions, Human-Computer Interaction, upper-limb exoskeleton, floating-base estimation, Artificial Intelligence, Control and Systems Engineering, overhead work analysis, Signal Processing, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Human whole-body joint torque, human activities
Abstract: International audience; Overhead work is classified as one of the major risk factors for the onset of shoulder work-related musculoskeletal disorders (WMSDs) and muscle fatigue. Upper-limb exoskeletons can be used to assist workers during the execution of industrial overhead tasks to prevent such disorders. Twelve novice participants have been equipped with inertial and force/torque sensors to simultaneously estimate the whole-body kinematics and the joint torques (i.e., internal articular stress) by means of a probabilistic estimator while performing an overhead taskwith a pointing tool. An evaluation has been performed to analyze the effect at the whole-body level by considering the conditions of wearing and not-wearing PAEXO, a passive exoskeleton for upper-limb support during overhead work. Results point out that PAEXO provides a reduction of the whole-body joint effort across the experimental task blocks (from 66% to 86%). Moreover, the analysis along with 5 different body areas shows that i) the exoskeleton provides support at the human shoulders by reducing the joint effort at the targeted limbs and ii) that part of theinternal wrenches is intuitively transferred from the upper body to the thighs and legs, which is shown with an increment of the torques at the legs joints. The promising outcomes show that the probabilistic estimation algorithm can be used as a validation metric to quantitatively assess PAEXO performances, paving thus the way for the next challenging milestone, such as the optimization of the human joint torques via adaptive exoskeleton control.
Published: 2022

6. A distributed and incremental algorithm for large-scale graph clustering

Author: Wissem Inoubli, Sabeur Aridhi, Haithem Mezni, Mondher Maddouri, Engelbert Mephu Nguifo, Université de Tunis El Manar (UTM), Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Strategies for Modelling and ARtificial inTelligence Laboratory (SMART-LAB), Université de Tunis, University of Jeddah, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), This work was partially supported by the CNRS-INRIA/FAPs project 'TempoGraphs' (PRC2243)., Tallinn University, Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université de Jendouba (UJ), Taibah University, Université Clermont Auvergne (UCA), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), and Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)
Subjects: Big Data, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], Community detection, Computer Networks and Communications, Graph processing, Outliers detection, Graph processing Structural graph clustering Big Graph Analysis Community detection Outliers detection hubs detection, hubs detection, Distributed computing, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Structural graph clustering, Graph clustering, Big graph, Hardware and Architecture, Distributed graph clustering, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], SCAN, Software, Big Graph Analysis
Abstract: International audience; Graph clustering is one of the key techniques to understand structures that are presented in networks. In addition to clusters, bridges and outliers detection is also a critical task as it plays an important role in the analysis of networks. Recently, several graph clustering methods are developed and used in multiple application domains such as biological network analysis, recommendation systems and community detection. Most of these algorithms are based on the structural clustering algorithm. Yet, this kind of algorithm is based on the structural similarity. This latter requires to parse all graph’ edges in order to compute the structural similarity. However, the height needs of similarity computing make this algorithm more adequate for small graphs, without significant support to deal with large-scale networks. In this paper, we propose a novel distributed graph clustering algorithm based on structural graph clustering. The experimental results show the efficiency in terms of running time of the proposed algorithm in large networks compared to existing structural graph clustering methods.
Published: 2022

7. Sapeurs-pompiers et désincarcération : effet du port d'un exosquelette sur la charge cognitive et l'acceptation

Author: Sophie, Lemonnier, Laura, Cavagnac, Nathan, Kohili, Kévin, Bouillet, Maurice, Pauline, Mornieux, Guillaume, Psychologie Ergonomique et Sociale pour l'Expérience utilisateurs (PErSEUs), Université de Lorraine (UL), Développement, Adaptation et Handicap. Régulations cardio-respiratoires et de la motricité (DevAH), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Acceptation, [SCCO]Cognitive science, [SDV.OT]Life Sciences [q-bio]/Other [q-bio.OT], Désincarcération, Sapeurs-pompiers, Exosquelette, Charge cognitive
Abstract: International audience; In France, over 80% of occupational illnesses are musculoskeletal disorders, and firefighters are particularly at risk. Our aim was to test the effects of the exoskeleton solution for this profession. This study compares two conditions under which firefighters perform an extrication task: with and without an exoskeleton. The impact is assessed on upper limb muscle activity (EMG), cognitive resources (NASA-TLX), and acceptance (questionnaire). The results showed almost no difference in muscular activity, and for cognitive load, only a lower perceived physical fatigue with the exoskeleton, leading us to speak of a placebo effect of wearing the exoskeleton. Overall, acceptance of the exoskeleton appears to be positive. However, the limitations of this study are discussed, in particular those linked to the size and characteristics of our sample.; En France, plus de 80% des maladies professionnelles sont des troubles musculosquelettiques , et les sapeurspompiers (SP) sont particulièrement à risque. Notre objectif était de tester les effets de la solution exosquelette pour ce corps de métier. Cette étude compare deux conditions de réalisation d'une tâche de désincarcération par des SP : avec et sans exosquelette. L'impact est évalué sur l'activité musculaire des membres supérieurs (EMG), sur les ressources cognitives (NASA-TLX), et sur l'acceptation (questionnaire). Les résultats n'ont montré quasiment aucune différence au niveau musculaire, et pour la charge cognitive, seulement une fatigue physique ressentie plus faible avec l'exosquelette, ce qui nous conduit à parler d'effet placebo du port de l'exosquelette. L'évaluation de l'acceptation de l'exosquelette semble être globalement favorable. Cependant, des limites à cette étude sont discutées, notamment celles liées à la taille et aux caractéristiques de notre échantillon.
Published: 2023

8. Teleoperating a robot for removing asbestos tiles on roofs: insights from a pilot study

Author: Ivaldi, Serena, Ghini, Edoardo, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Region Grand Est AMI Numerique, and European Project: euROBIN
Subjects: Construction robots, teleoperation, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], asbestos, Construction robots asbestos teleoperation
Abstract: International audience; Construction robots may one day replace workers in dangerous operations such as the removal of asbestos cement tiles on roofs, an operation that exposes workers to several risks to their health. We argue that such robots will be teleoperated, to enable expert workers to supervise or directly control the operations, leveraging their knowledge of the field and facilitating the adoption of robots. We developed a prototype of the teleoperation and control interface of a prototype robot for roof tiles removal operations, combining a graphical interface, joysticks and a digital twin. We report on the rationale behind our choices, as well as the lessons learned after a pilot study.
Published: 2023

9. Prediction of homo- and hetero-protein complexes by protein docking and template-based modeling: a CASP-CAPRI experiment

Author: Eichiro Ichiishi, Dmitri Beglov, Bernard Maigret, Gyu Rie Lee, Artem B. Mamonov, Shoshana J. Wodak, Jonathan C. Fuller, Dima Kozakov, Jong Young Joung, Petr Popov, Xiaofeng Yu, Keehyoung Joo, João P. G. L. M. Rodrigues, Anna Vangone, Koen M. Visscher, Xiaoqin Zou, Paul A. Bates, Andriy Kryshtafovych, Shourya S. Roy Burman, Daisuke Kihara, Romina Oliva, Efrat Ben-Zeev, Jeffrey J. Gray, Yang Shen, Li C. Xue, Sameer Velankar, Emilie Neveu, Shruthi Viswanath, Dina Schneidman-Duhovny, Juan Esquivel-Rodríguez, Mieczyslaw Torchala, Amit Roy, Alexandre M. J. J. Bonvin, David R. Hall, Tanggis Bohnuud, Xusi Han, David W. Ritchie, Ron Elber, Daisuke Kuroda, Zhiwei Ma, Joan Segura, Carlos A. Del Carpio, Nicholas A. Marze, Jong Yun Kim, Andrej Sali, Petras J. Kundrotas, Ezgi Karaca, Neil J. Bruce, Chaok Seok, Panagiotis L. Kastritis, Shen You Huang, Ilya A. Vakser, Lim Heo, Sanbo Qin, Raphael A. G. Chaleil, Adrien S. J. Melquiond, Miguel Romero-Durana, Anisah W. Ghoorah, Surendra S. Negi, Andrey Tovchigrechko, Françoise Ochsenbein, Narcis Fernandez-Fuentes, Liming Qiu, Miriam Eisenstein, Mehdi Nellen, Marie-Dominique Devignes, Lenna X. Peterson, Jinchao Yu, Minkyung Baek, Brian G. Pierce, Hasup Lee, Toshiyuki Oda, Rebecca C. Wade, Raphael Guerois, Juan Fernández-Recio, Iain H. Moal, Edrisse Chermak, Sergei Grudinin, Sangwoo Park, Ivan Anishchenko, Chengfei Yan, Thom Vreven, Kentaro Tomii, Bing Xia, Hyung Rae Kim, Chiara Pallara, Jooyoung Lee, Kazunori D. Yamada, Xianjin Xu, Kenichiro Imai, Zhiping Weng, Luigi Cavallo, Tyler M. Borrman, Jianlin Cheng, Marc F. Lensink, Huan-Xiang Zhou, Jilong Li, Gydo C. P. van Zundert, Brian Jiménez-García, Tsukasa Nakamura, Scott E. Mottarella, Sandor Vajda, Institut de Recherche Interdisciplinaire [Villeneuve d'Ascq] ( IRI ), Université de Lille, Sciences et Technologies-Université de Lille, Droit et Santé-Centre National de la Recherche Scientifique ( CNRS ), European Molecular Biology Laboratory, European Bioinformatics Institute, Genome Center [UC Davis], University of California at Davis, Research Support Computing [Columbia], University of Missouri-Columbia, Bioinformatics Consortium and Department of Computer Science [Columbia], Department of Bioengineering and Therapeutic Sciences, University of California [San Francisco] ( UCSF ), Department of Pharmaceutical Chemistry, Department of Bioengineering and Therapeutic Sciences, Department of Pharmaceutical Chemistry, University of California [San Francisco] ( UCSF ) -California Institute for Quantitative Biosciences, GN7 of the National Institute for Bioinformatics (INB) and Biocomputing Unit, Centro Nacional de Biotecnología (CSIC), Institute of Biological, Environmental and Rural Sciences ( IBERS ), Institute for Computational Engineering and Sciences [Austin] ( ICES ), University of Texas at Austin [Austin], Department of Computer Science, Department of Chemistry, Algorithms for Modeling and Simulation of Nanosystems ( NANO-D ), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Laboratoire Jean Kuntzmann ( LJK ), Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Université Pierre Mendès France - Grenoble 2 ( UPMF ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Institut National Polytechnique de Grenoble ( INPG ), Moscow Institute of Physics and Technology [Moscow] ( MIPT ), Seoul National University [Seoul], Florida State University [Tallahassee] ( FSU ), Computational Algorithms for Protein Structures and Interactions ( CAPSID ), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Department of Complex Systems, Artificial Intelligence & Robotics ( LORIA - AIS ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), University of Mauritius, Biomolecular Modelling Laboratory, The Francis Crick Institute, Lincoln's Inn Fields Laboratory, G-INCPM, Weizmann Institute of Science, Chemical Research Support [Rehovot], Sealy Center for Structural Biology and Molecular Biophysics, The University of Texas Medical Branch ( UTMB ), Program in Bioinformatics and Integrative Biology [Worcester], University of Massachusetts Medical School [Worcester] ( UMASS ), Institut de Biologie Intégrative de la Cellule ( I2BC ), Université Paris-Saclay-Centre National de la Recherche Scientifique ( CNRS ) -Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Sud - Paris 11 ( UP11 ), Bijvoet Center for Biomolecular Research [Utrecht], Utrecht University [Utrecht], Dalton Cardiovascular Research Center [Columbia], Department of Computer Science [Columbia], Informatics Intitute, Department of Biochemistry, University of Missouri, UNIVERSITY OF MISSOURI, Toyota Technological Institute at Chicago [Chicago] ( TTIC ), Department of Biological Sciences, Purdue University, Purdue University [West Lafayette], Department of Computer Science [Purdue], Bioinformatics and Computational Biosciences Branch, Rocky Mountain Laboratories, Molecular and Cellular Modeling Group, Heidelberg Institute of Theoretical Studies, Center for Molecular Biology ( ZMBH ), Universität Heidelberg [Heidelberg], Interdisciplinary Center for Scientiﬁc Computing ( IWR ), Department of Molecular Biosciences [Lawrence], University of Kansas [Lawrence] ( KU ), Computational Biology Research Center ( CBRC ), National Institute of Advanced Industrial Science and Technology ( AIST ), Graduate School of Frontier Sciences, The University of Tokyo, Joint BSC-CRG-IRB Research Program in Computational Biology, Barcelona Supercomputing Center - Centro Nacional de Supercomputacion ( BSC - CNS ), Center for In-Silico Protein Science, Korea Institute for Advanced Study ( KIAS ), Center for Advanced Computation, Department of Biomedical Engineering [Boston], Boston University [Boston] ( BU ), Institute of Biological Diversity, International Pacific Institute of Indiana, Drosophila Genetic Resource Center, Kyoto Institute of Technology, International University of Health and Welfare Hospital ( IUHW Hospital ), International University of Health and Welfare Hospital, Department of Chemical and Biomolecular Engineering [Baltimore], Johns Hopkins University ( JHU ), Program in Molecular Biophysics [Baltimore], King Abdullah University of Science and Technology ( KAUST ), University of Naples, J Craig Venter Institute, Structural Biology Research Center, VIB, 1050 Brussels, Belgium, Institut de Recherche Interdisciplinaire [Villeneuve d'Ascq] (IRI), Université de Lille, Sciences et Technologies-Université de Lille, Droit et Santé-Centre National de la Recherche Scientifique (CNRS), European Bioinformatics Institute [Hinxton] (EMBL-EBI), EMBL Heidelberg, University of California [Davis] (UC Davis), University of California (UC)-University of California (UC), University of Missouri [Columbia] (Mizzou), University of Missouri System, University of California [San Francisco] (UC San Francisco), Centro Nacional de Biotecnología [Madrid] (CNB-CSIC), Consejo Superior de Investigaciones Científicas [Madrid] (CSIC)-Consejo Superior de Investigaciones Científicas [Madrid] (CSIC), Institute of Biological, Environmental and Rural Sciences (IBERS), Institute for Computational Engineering and Sciences [Austin] (ICES), Algorithms for Modeling and Simulation of Nanosystems (NANO-D), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Laboratoire Jean Kuntzmann (LJK ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Moscow Institute of Physics and Technology [Moscow] (MIPT), Seoul National University [Seoul] (SNU), Florida State University [Tallahassee] (FSU), Computational Algorithms for Protein Structures and Interactions (CAPSID), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Biomolecular Modelling Laboratory [London], The Francis Crick Institute [London], Weizmann Institute of Science [Rehovot, Israël], The University of Texas Medical Branch (UTMB), University of Massachusetts Medical School [Worcester] (UMASS), University of Massachusetts System (UMASS)-University of Massachusetts System (UMASS), Institut de Biologie Intégrative de la Cellule (I2BC), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), Assemblage moléculaire et intégrité du génome (AMIG), Département Biochimie, Biophysique et Biologie Structurale (B3S), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Institut de Biologie Intégrative de la Cellule (I2BC), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), University of Missouri System-University of Missouri System, Toyota Technological Institute at Chicago [Chicago] (TTIC), Department of Biological Sciences [Lafayette IN], Heidelberg Institute for Theoretical Studies (HITS ), Center for Molecular Biology (ZMBH), Universität Heidelberg [Heidelberg] = Heidelberg University, Interdisciplinary Center for Scientiﬁc Computing (IWR), University of Kansas [Lawrence] (KU), Computational Biology Research Center (CBRC), National Institute of Advanced Industrial Science and Technology (AIST), The University of Tokyo (UTokyo), Barcelona Supercomputing Center - Centro Nacional de Supercomputacion (BSC - CNS), Korea Institute for Advanced Study (KIAS), Boston University [Boston] (BU), International University of Health and Welfare Hospital (IUHW Hospital), Johns Hopkins University (JHU), King Abdullah University of Science and Technology (KAUST), University of Naples Federico II = Università degli studi di Napoli Federico II, J. Craig Venter Institute, VIB-VUB Center for Structural Biology [Bruxelles], VIB [Belgium], Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Droit et Santé-Université de Lille, Sciences et Technologies, University of California-University of California, University of California [San Francisco] (UCSF), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL), University of Naples Federico II, Barcelona Supercomputing Center, NMR Spectroscopy, and Sub NMR Spectroscopy
Subjects: 0301 basic medicine, Protein Conformation, alpha-Helical, Protein Folding, Computer science, International Cooperation, Amino Acid Motifs, Oligomer state, Homoprotein, DATA-BANK, computer.software_genre, Molecular Docking Simulation, Biochemistry, CAPRI Round 30, DESIGN, Structural Biology, ALIGN, Blind prediction, AFFINITY, Protein interaction, Enginyeria biomèdica [Àrees temàtiques de la UPC], ZDOCK, Oligomer State, computer.file_format, Articles, Protein structure prediction, Proteïnes--Investigació, 3. Good health, WEB SERVER, CASP, Thermodynamics, Data mining, CAPRI, Protein docking, Molecular Biology, Algorithms, INTERFACES, Protein Binding, [ INFO.INFO-MO ] Computer Science [cs]/Modeling and Simulation, Bioinformatics, STRUCTURAL BIOLOGY, Computational biology, Molecular Dynamics Simulation, Article, 03 medical and health sciences, [ INFO.INFO-BI ] Computer Science [cs]/Bioinformatics [q-bio.QM], Heteroprotein, Humans, Protein binding, Macromolecular docking, Protein Interaction Domains and Motifs, Homology modeling, ALGORITHM, Protein-protein docking, Internet, Binding Sites, Models, Statistical, 030102 biochemistry & molecular biology, Bacteria, Sequence Homology, Amino Acid, Computational Biology, Proteins, Protein Data Bank, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Protein Structure, Tertiary, 030104 developmental biology, Structural biology, Docking (molecular), Protein structure, Protein Conformation, beta-Strand, Protein Multimerization, oligomer state, blind prediction, protein interaction, protein docking, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], computer, Software
Abstract: We present the results for CAPRI Round 30, the first joint CASP-CAPRI experiment, which brought together experts from the protein structure prediction and protein–protein docking communities. The Round comprised 25 targets from amongst those submitted for the CASP11 prediction experiment of 2014. The targets included mostly homodimers, a few homotetramers, and two heterodimers, and comprised protein chains that could readily be modeled using templates from the Protein Data Bank. On average 24 CAPRI groups and 7 CASP groups submitted docking predictions for each target, and 12 CAPRI groups per target participated in the CAPRI scoring experiment. In total more than 9500 models were assessed against the 3D structures of the corresponding target complexes. Results show that the prediction of homodimer assemblies by homology modeling techniques and docking calculations is quite successful for targets featuring large enough subunit interfaces to represent stable associations. Targets with ambiguous or inaccurate oligomeric state assignments, often featuring crystal contact-sized interfaces, represented a confounding factor. For those, a much poorer prediction performance was achieved, while nonetheless often providing helpful clues on the correct oligomeric state of the protein. The prediction performance was very poor for genuine tetrameric targets, where the inaccuracy of the homology-built subunit models and the smaller pair-wise interfaces severely limited the ability to derive the correct assembly mode. Our analysis also shows that docking procedures tend to perform better than standard homology modeling techniques and that highly accurate models of the protein components are not always required to identify their association modes with acceptable accuracy. We are most grateful to the PDBe at the European Bioinformatics Institute in Hinxton, UK, for hosting the CAPRI website. Our deepest thanks go to all the structural biologists and to the following structural genomics initiatives: Northeast Structural Genomics Consortium, Joint Center for Structural Genomics, NatPro PSI:Biology, New York Structural Genomics Research Center, Midwest Center for Structural Genomics, Structural Genomics Consortium, for contributing the targets for this joint CASP-CAPRI experiment. MFL acknowledges support from the FRABio FR3688 Research Federation “Structural & Functional Biochemistry of Biomolecular Assemblies.”
Published: 2016

10. Exploration of DNA processing features unravels novel properties of ICE conjugation in Gram-positive bacteria

Author: Haifa Laroussi, Yanis Aoudache, Emilie Robert, Virginie Libante, Louise Thiriet, Dominique Mias-Lucquin, Badreddine Douzi, Yvonne Roussel, Isaure Chauvot de Beauchêne, Nicolas Soler, Nathalie Leblond-Bourget, Dynamique des Génomes et Adaptation Microbienne (DynAMic), Université de Lorraine (UL)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Regional Operational Program of the European Regional Development Fund 'FEDER-FSE Lorraine et Massif des Vosges 2014-2020', and ANR-15-IDEX-0004,LUE,Isite LUE(2015)
Subjects: DNA, Bacterial, Binding Sites, Gene Transfer, Horizontal, [SDV.BID.EVO]Life Sciences [q-bio]/Biodiversity/Populations and Evolution [q-bio.PE], [SDV.BBM.BM]Life Sciences [q-bio]/Biochemistry, Molecular Biology/Molecular biology, Gram-Positive Bacteria, [SDV.MP.BAC]Life Sciences [q-bio]/Microbiology and Parasitology/Bacteriology, [SDV.BBM.BP]Life Sciences [q-bio]/Biochemistry, Molecular Biology/Biophysics, Interspersed Repetitive Sequences, Bacterial Proteins, Conjugation, Genetic, DNA Nucleotidyltransferases, Genetics, [SDV.BBM.BC]Life Sciences [q-bio]/Biochemistry, Molecular Biology/Biochemistry [q-bio.BM], Plasmids
Abstract: Integrative and conjugative elements (ICEs) are important drivers of horizontal gene transfer in prokaryotes. They are responsible for antimicrobial resistance spread, a major current health concern. ICEs are initially processed by relaxases that recognize the binding site of oriT sequence and nick at a conserved nic site. The ICESt3/Tn916/ICEBs1 superfamily, which is widespread among Firmicutes, encodes uncanonical relaxases belonging to a recently identified family called MOBT. This family is related to the rolling circle replication initiators of the Rep_trans family. The nic site of these MOBT relaxases is conserved but their DNA binding site is still unknown. Here, we identified the bind site of RelSt3, the MOBT relaxase from ICESt3. Unexpectedly, we found this bind site distantly located from the nic site. We revealed that the binding of the RelSt3 N-terminal HTH domain is required for efficient nicking activity. We also deciphered the role of RelSt3 in the initial and final stages of DNA processing during conjugation. Especially, we demonstrated a strand transfer activity, and the formation of covalent DNA-relaxase intermediate for a MOBT relaxase.
Published: 2022

11. Multi-Task Multi-Behavior MAP-Elites

Author: Anne, Timothee, Mouret, Jean-Baptiste, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: MAP-Elites, Robotics, Multi-Task, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE]
Abstract: Accepted as Poster for GECCO 2023; We propose Multi-Task Multi-Behavior MAP-Elites, a variant of MAP-Elites that finds a large number of high-quality solutions for a large set of tasks (optimization problems from a given family). It combines the original MAP-Elites for the search for diversity and Multi-Task MAP-Elites for leveraging similarity between tasks. It performs better than three baselines on a humanoid fault-recovery set of tasks, solving more tasks and finding twice as many solutions per solved task.
Published: 2023

12. Accuracy and diversity-aware multi-objective approach for random forest construction

Author: Nour El Islem Karabadji, Abdelaziz Amara Korba, Ali Assi, Hassina Seridi, Sabeur Aridhi, Wajdi Dhifli, Laboratoire de Gestion Electronique de Document [Annaba] (LabGED), Université Badji Mokhtar Annaba (UBMA), Laboratoire De Technologies Des Systemes Energetiques (LTSE), E3360100, Annaba, P.O. Box 218, 23000, Algeria, Laboratoire Informatique, Image et Interaction - EA 2118 (L3I), La Rochelle Université (ULR), House of Commons, 181 Queen Street, Ottawa, Ontario K1A 0A6, Canada, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Evaluation des technologies de santé et des pratiques médicales - ULR 2694 (METRICS), and Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)
Subjects: Diversity, Genetic algorithm, Artificial Intelligence, Internet of Things, General Engineering, Decision tree, [INFO]Computer Science [cs], Classification, Computer Science Applications, Random forest
Abstract: International audience; Random Forest is an ensemble classification approach. It aims to design a discrete finite group of decision trees constructed based on bootstrap samples and random attribute selection. Random Forests have strong generalization capacities due to the variance in the training and attribute couple subsets used for constructing different decision trees in the forest. However, to construct a robust and effective random forest, two main issues need to be taken into account namely: (1) increasing the accuracy and diversity of decision trees; (2) decreasing the number of decision trees. In this paper, a genetic algorithm-based approach to tackle the aforementioned challenges related to random forest construction is proposed. Three objectives are taken into consideration. First, strengthening the classification accuracy of individual decision trees as well as that of the forest. Second, making use of diversity measures among the decision trees to improve the generalization of the constructed model. Third, minimizing the number of trees in the forest and finding an optimal subset of the random forest. An experimental evaluation on several datasets from the UCI Machine Learning Repository is conducted. The obtained results show that the proposed approach outperforms state-of-the-art classical as well as evolutionary random forest construction methods. Finally, the proposed approach is used to build a reliable random forest model for detecting Botnet traffic in Internet of Things environment.
Published: 2023

13. AGOD-Grasp: an Automatically Generated Object Dataset for benchmarking and training robotic grasping algorithms

Author: Andries, Mihai, Fleytoux, Yoann, Ivaldi, Serena, Mouret, J.-B., Département Informatique (IMT Atlantique - INFO), IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT), Equipe Robot interaction, Ambient system, Machine learning, Behaviour, Optimization (Lab-STICC_RAMBO), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique (IMT Atlantique), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), and This work was made possible using funds provided by the EU H2020 ERA-NET funding scheme through the CHIST-ERA project HEAP.
Subjects: Data Sets for Robot Learning, Grasping, Data-driven grasping, Grasping object set, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Robotic grasping, Performance Evaluation and Benchmarking, Dataset, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: Robust robotic grasping of objects has broad industrial applications. The reliability of data-driven grasping methods is influenced by the variability of object shapes encountered during training. Most existing objects datasets suffer from human selection bias, lack variability, or are non-reproducible. This paper presents a physically reproducible 3D-printable object dataset for training and evaluating grasping algorithms. It contains exact 3D meshes of 50 objects for simulation and printing purposes. The various objects in the dataset were found using the MAP-Elites algorithm, optimising the variability of objects according to two grasping metrics. We used a Variational AutoEncoder (VAE) as a generative model for voxelgrid object models, which were then converted to meshes and simplified using Volumetric Hierarchical Approximate Convex Decomposition (V-HACD). The dataset is publicly available online, and can be ordered from any 3d-printing service according to given specifications. We hope it will become a standard benchmarking dataset for the robotic grasping community.
Published: 2023

14. Molecular-evaluated and explainable drug repurposing for COVID-19 using ensemble knowledge graph embedding

Author: Md Kamrul Islam, Diego Amaya-Ramirez, Bernard Maigret, Marie-Dominique Devignes, Sabeur Aridhi, Malika Smaïl-Tabbone, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Multidisciplinary, ACM: H.: Information Systems, [INFO]Computer Science [cs], [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM]
Abstract: The search for an effective drug is still urgent for COVID-19 as no drug with proven clinical efficacy is available. Finding the new purpose of an approved or investigational drug, known as drug repurposing, has become increasingly popular in recent years. We propose here a new drug repurposing approach for COVID-19, based on knowledge graph (KG) embeddings. Our approach learns “ensemble embeddings” of entities and relations in a COVID-19 centric KG, in order to get a better latent representation of the graph elements. Ensemble KG-embeddings are subsequently used in a deep neural network trained for discovering potential drugs for COVID-19. Compared to related works, we retrieve more in-trial drugs among our top-ranked predictions, thus giving greater confidence in our prediction for out-of-trial drugs. For the first time to our knowledge, molecular docking is then used to evaluate the predictions obtained from drug repurposing using KG embedding. We show that Fosinopril is a potential ligand for the SARS-CoV-2 nsp13 target. We also provide explanations of our predictions thanks to rules extracted from the KG and instanciated by KG-derived explanatory paths. Molecular evaluation and explanatory paths bring reliability to our results and constitute new complementary and reusable methods for assessing KG-based drug repurposing.
Published: 2023

15. Simulation of Spinal Muscle Control in Human Gait Using OpenSim

Author: Julien Frère, Patrick HENAFF, Andrii Shachykov, Analysis and modeling of neural systems by a system neuroscience approach (NEUROSYS), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), GIPSA - Analyse et Modification de l'homme en mouvement : biomécanique, cognition, vocologie (GIPSA-MOVE), GIPSA Pôle Sciences des Données (GIPSA-PSD), Grenoble Images Parole Signal Automatique (GIPSA-lab), Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA)-Grenoble Images Parole Signal Automatique (GIPSA-lab), and Université Grenoble Alpes (UGA)
Subjects: CPG, [SDV]Life Sciences [q-bio], human walking, OpenSim, musculoskeletal model
Abstract: International audience; This paper presents a neuro-musculoskeletal simulation approach to human gait based on an original model of central pattern generator and the muscle synergy approach. The controller, shown here, aims at simplifying movement control by reducing the number of parameters to optimize. The model of the simplified motor coordination chain was built, from the midbrain through spinal neurons to the muscles allowing of simulating some neural and muscular values of gait, hard to obtain otherwise. The work also includes a bio-inspired reflexbased balance controller designed from knowledge of spinal gait. The used anatomic musculoskeletal model has been implemented in OpenSim platform. Time simulations show the ability of the platform to be able to produce different gait patterns including nominal and disturbed. Both gaits are controlled by the same bio-inspired closed-loop CPG-and reflex-based circuitries. After 2 second standing phase, the model was able to walk for about 5 meters with 10 steps. 2 steps were disrupted in the second simulation.
Published: 2022

16. Modèles de décision probabilistes pour les systèmes multi-agents et la collaboration humain-robot

Author: You, Yang, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Région Grand Est (50%), ANR (50%), Université de Lorraine, Olivier Buffet, and Vincent Thomas
Subjects: Human-Robot Collaboration, Collaboration homme-Robot, Multi-Agent system, Processus décisionnels de Markov, [INFO]Computer Science [cs], Robotics, Robotique, Partially Observable Markov Decision Processes (POMDPs), Système multi-Agents
Abstract: In this thesis, using Markov decision models, we investigate high-level decision-making (task-level planning) for robotics in two aspects: robot-robot collaboration and human-robot collaboration.In robot-robot collaboration (RRC), we study the decision problems of multiple robots involved to achieve a shared goal collaboratively, and we use the decentralized partially observable Markov decision process (Dec-POMDP) framework to model such RRC problems. Then, we propose two novel algorithms for solving Dec-POMDPs. The first algorithm (Inf-JESP) finds Nash equilibrium solutions by iteratively building the best-response policy for each agent until no improvement can be made. To handle infinite-horizon Dec-POMDPs, we represent each agent's policy using a finite-state controller. The second algorithm (MC-JESP) extends Inf-JESP with generative models, which enables us to scale up to large problems. Through experiments, we demonstrate our methods are competitive with existing Dec-POMDP solvers.In human-robot collaboration (HRC), we can only control the robot, and the robot faces uncertain human objectives and induced behaviors. Therefore, we attempt to address the challenge of deriving robot policies in HRC, which are robust to the uncertainties about human behaviors. In this direction, we discuss possible mental models that can be used to model humans in an HRC task. We propose a general approach to derive, automatically and without prior knowledge, a model of human behaviors based on the assumption that the human could also control the robot. From here, we then design two algorithms for computing robust robot policies relying on solving a robot POMDP, whose state contains the human's internal state. The first algorithm operates offline and gives a complete robot policy that can be used during the robot's execution. The second algorithm is an online method, i.e., it plans the robot's action at each time step during execution. Compared with the offline approach, the online method only requires a generative model and thus can scale up to large problems. Experiments with synthetic and real humans are conducted in a simulated environment to evaluate these algorithms. We observe that our methods can provide robust robot decisions despite the uncertainties over human objectives and behaviors.In this thesis, our research for RRC provides a foundation for building best-response policies in a partially observable and multi-agent setting, which serves as an important intermediate step for addressing HRC problems. Moreover, we provide more flexible algorithms using generative models in each contribution, and we believe this will facilitate applying our contributions to real-world applications.; Dans cette thèse, nous nous intéressons à la prise de décision haut niveau (planification de tâches) pour la robotique à l'aide de modèles de prise de décision markoviens et sous deux aspects : la collaboration robot-robot et la collaboration homme-robot. Dans le cadre de la collaboration robot-robot (RRC), nous étudions les problèmes de décision de plusieurs robots devant atteindre un objectif commun de manière collaborative, et nous utilisons le cadre des processus de décision markoviens partiellement observables et décentralisés (Dec-POMDP) pour modéliser de tels problèmes. Nous proposons deux nouveaux algorithmes pour résoudre les Dec-POMDP. Le premier algorithme (Inf-JESP) trouve des équilibres de Nash en construisant itérativement pour chaque agent la politique meilleure réponse aux autres agents jusqu'à ce qu'aucune amélioration ne soit possible. Pour traiter les Dec-POMDP à horizon infini, nous représentons la politique de chaque agent à l'aide d'un contrôleur à états finis. Le deuxième algorithme (MC-JESP) étend Inf-JESP avec des modèles génératifs, ce qui nous permet de passer à l'échelle pour des grands problèmes. Nous démontrons expérimentalement que nos méthodes sont compétitives par rapport aux solveurs Dec-POMDP existants. Dans le cadre de la collaboration homme-robot (HRC), nous ne pouvons contrôler que le comportement du robot, lequel doit faire face à des objectifs humains et à des comportements induits incertains. Nous cherchons ainsi à dériver des politiques de robot qui sont robustes aux incertitudes sur les comportements humains. Pour cela, nous discutons des modèles mentaux qui peuvent être utilisés pour modéliser le comportement humain dans une telle tâche collaborative. Nous décrivons ensuite une approche générale pour dériver, automatiquement et sans connaissance préalable, un modèle de comportements humains basé sur l'hypothèse que l'humain contrôle aussi le robot. À partir de là, nous proposons deux algorithmes pour calculer des politiques robustes pour le robot en se basant sur la résolution d'un POMDP dont l'état contient l'état interne de l'humain. Le premier algorithme fonctionne hors ligne et fournit une politique complète qui peut être utilisée par le robot pendant son exécution. Le deuxième algorithme est une méthode en ligne, c'est-à-dire qu'il décide de l'action du robot à chaque pas de temps au cours de l'exécution. Par rapport à l'approche hors ligne, la méthode en ligne ne nécessite qu'un modèle génératif et peut donc s'adapter à de grands problèmes. Des expériences avec des humains synthétiques et réels sont menées dans un environnement simulé pour évaluer ces algorithmes. Nous observons que nos méthodes peuvent fournir des décisions robustes pour des robots collaboratifs malgré les incertitudes sur les objectifs et les comportements humains. Dans cette thèse, notre recherche sur la collaboration robot-robot fournit une base pour construire des politiques meilleure réponse dans un cadre partiellement observable et multi-agent, base qui sert d'étape intermédiaire importante pour aborder les problèmes de collaboration homme-robot. De plus, pour chaque contribution, nous fournissons des algorithmes plus flexibles utilisant des modèles génératifs dont nous pensons qu'ils faciliteront la mise en œuvre de nos contributions à des applications du monde réel.
Published: 2023

17. A new class of peptides from wasp venom: a pathway to antiepileptic/neuroprotective drugs

Author: Márcia Renata Mortari, Alexandra O S Cunha, Lilian C dos Anjos, Henrique O Amaral, Maria Varela Torres Quintanilha, Erica A Gelfuso, Mauricio Homem-de-Mello, Hugo de Almeida, Solange Rego, Bernard Maigret, Norberto P Lopes, Wagner F dos Santos, Neuropharmacology Laboratory, Department of Physiological Sciences, Institute of Biological Sciences, University of Brasília, Brasília 71910-900, Brazil, Neurobiology and Venoms Laboratory, Department of Biology, Faculty of Philosophy, Sciences and Literature of Ribeirão Preto, University of São Paulo, São Paulo 14040-900, Brazil, n Silico Toxicology Laboratory (inSiliTox), Department of Pharmacy, Health Sciences School, University of Brasilia, Brasilia 71910-900, Brazil, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Organic Chemistry Laboratory, Department of Physics and Chemistry, Faculty of Pharmaceutical Sciences of Ribeirão Preto, University of São Paulo, São Paulo 14040-900, Brazil, and CNPq (Brazil)
Subjects: Cellular and Molecular Neuroscience, Psychiatry and Mental health, Neurology, [SDV]Life Sciences [q-bio], [INFO]Computer Science [cs], Biological Psychiatry
Abstract: The ability of venom-derived peptides to disrupt physiological processes in mammals provides an exciting source for pharmacological development. Our research group has identified a new class of neuroactive peptides from the venom of a Brazilian social wasp, Polybia occidentalis, with the potential pharmacological profile to treat epilepsies. The study was divided into five phases: Phase 1 concerned the extraction, isolation and purification of Occidentalin-1202(n) from the crude venom, followed by the synthesis of an identical analogue peptide, named Occidentalin-1202(s). In Phase 2, we described the effects of both peptides in two acute models of epilepsy—kainic acid and pentylenetetrazole-induced model of seizures—and measured estimated ED50 and therapeutic index values, electroencephalographic studies and C-fos evaluation. Phase 3 was a compilation of advanced tests performed with Occidentalin-1202(s) only, reporting histopathological features and its performance in the pilocarpine-induced status epilepticus. After the determination of the antiepileptic activity of Occidentalin-1202(s), Phase 4 consisted of evaluating its potential adverse effects, after chronic administration, on motor coordination (Rotarod) and cognitive impairment (Morris water maze) tests. Finally, in Phase 5, we proposed a mechanism of action using computational models with kainate receptors. The new peptide was able to cross the blood–brain barrier and showed potent antiseizure effects in acute (kainic acid and pentylenetetrazole) and chronic (temporal lobe epilepsy model induced by pilocarpine) models. Motor and cognitive behaviour were not adversely affected, and a potential neuroprotective effect was observed. Occidentalin-1202 can be a potent blocker of the kainate receptor, as assessed by computational analysis, preventing glutamate and kainic acid from binding to the receptor’s active site. Occidentalin-1202 is a peptide with promising applicability to treat epilepsy and can be considered an interesting drug model for the development of new medicines.
Published: 2023

18. Teleoperation of Humanoid Robots: A Survey

Author: Kourosh Darvish, Luigi Penco, Joao Ramos, Rafael Cisneros, Jerry Pratt, Eiichi Yoshida, Serena Ivaldi, Daniele Pucci, Università degli studi di Genova = University of Genoa (UniGe), Florida Institute for Human and Machine Cognition [Pensacola] (IHMC), University of Illinois at Urbana-Champaign [Urbana], University of Illinois System, Intelligent Systems Institute [Tsukuba] (IS AIST), National Institute of Advanced Industrial Science and Technology (AIST), Tokyo University of Science [Tokyo], Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), European Project: euROBIN, and European Project: 731540,H2020,An.Dy(2017)
Subjects: FOS: Computer and information sciences, Computer Science - Robotics, Control and Systems Engineering, Teleoperation, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Humanoid robot, Electrical and Electronic Engineering, Robotics (cs.RO), Computer Science Applications
Abstract: International audience; Teleoperation of humanoid robots enables the integration of the cognitive skills and domain expertise of humans with the physical capabilities of humanoid robots. The operational versatility of humanoid robots makes them the ideal platform for a wide range of applications when teleoperating in a remote environment. However, the complexity of humanoid robots imposes challenges for teleoperation, particularly in unstructured dynamic environments with limited communication. Many advancements have been achieved in the last decades in this area, but a comprehensive overview is still missing. This survey paper gives an extensive overview of humanoid robot teleoperation, presenting the general architecture of a teleoperation system and analyzing the different components. We also discuss different aspects of the topic, including technological and methodological advances, as well as potential applications. A web-based version of the paper can be found at https://humanoid-teleoperation.github.io/.
Published: 2023

19. Learning height for top-down grasps with the DIGIT sensor

Author: Bernardi, Thais, Fleytoux, Yoann, Mouret, Jean-Baptiste, Ivaldi, Serena, TELECOM Nancy, Université de Lorraine (UL), Federal University of Technology - Paraná (UTFPR), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO]
Abstract: International audience; We address the problem of grasping unknown objects identified from top-down images with a parallel gripper. When no object 3D model is available, the state-of-the-art grasp generators identify the best candidate locations for planar grasps using the RGBD image. However, while they generate the Cartesian location and orientation of the gripper, the height of the grasp center is often determined by heuristics based on the highest point in the depth map, which leads to unsuccessful grasps when the objects are not thick, or have transparencies or curved shapes. In this paper, we propose to learn a regressor that predicts the best grasp height based from the image. We train this regressor with a dataset that is automatically acquired thanks to the DIGIT optical tactile sensors, which can evaluate grasp success and stability. Using our predictor, the grasping success is improved by 6% for all objects, by 16% on average on difficult objects, and by 40% for objects that are notably very difficult to grasp (e.g., transparent, curved, thin).
Published: 2023

20. Explainable link prediction in large complex graphs - application to drug repurposing

Author: Islam, Kamrul, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université de Lorraine, Malika Smail-Tabbone, and Sabeur Aridhi
Subjects: Knowledge graph, Génération de triplets négatifs, Graph embedding, Plongement de graphe, Repositionnement de médicaments, Graphe de connaissance, Simple graph, Drug repurposing, Prédiction de lien, Link prediction, [INFO]Computer Science [cs], Generation of negative triples, Graphe simple
Abstract: Many real-world complex systems can be well-represented with graphs, where nodes represent objects or entities and links/relations represent interactions between pairs of nodes. Link prediction (LP) is one of the most interesting and long-standing problems in the field of graph mining; it predicts the probability of a link between two unconnected nodes based on available information in the current graph. This thesis studies the LP problem in graphs. It consists of two parts: LP in simple graphs and LP knowledge graphs (KGs). In the first part, the LP problem is defined as predicting the probability of a link between a pair of nodes in a simple graph. In the first study, a few similarity-based and embedding-based LP approaches are evaluated and compared on simple graphs from various domains. he study also criticizes the traditional way of computing the precision metric of similarity-based approaches as the computation faces the difficulty of tuning the threshold for deciding the link existence based on the similarity score. We proposed a new way of computing the precision metric. The results showed the expected superiority of embedding-based approaches. Still, each of the similarity-based approaches is competitive on graphs with specific properties. We could check experimentally that similarity-based approaches are fully explainable but lack generalization due to their heuristic nature, whereas embedding-based approaches are general but not explainable. The second study tries to alleviate the unexplainability limitation of embedding-based approaches by uncovering interesting connections between them and similarity-based approaches to get an idea of what is learned in embedding-based approaches. The third study demonstrates how the similarity-based approaches can be ensembled to design an explainable supervised LP approach. Interestingly, the study shows high LP performance for the supervised approach across various graphs, which is competitive with embedding-based approaches.The second part of the thesis focuses on LP in KGs. A KG is represented as a collection of RDF triples, (head,relation,tail) where the head and the tail are two entities which are connected by a specific relation. The LP problem in a KG is formulated as predicting missing head or tail entities in a triple. LP approaches based on the embeddings of entities and relations of a KG have become very popular in recent years, and generating negative triples is an important task in KG embedding methods. The first study in this part discusses a new method called SNS to generate high-quality negative triples during the training of embedding methods for learning embeddings of KGs. The results we produced show better LP performance when SNS is injected into an embedding approach than when injecting state-of-the-art negative triple sampling methods. The second study in the second part discusses a new neuro-symbolic method of mining rules and an abduction strategy to explain LP by an embedding-based approach utilizing the learned rules. The third study applies the explainable LP to a COVID-19 KG to develop a new drug repurposing approach for COVID-19. The approach learns ”ensemble embeddings” of entities and relations in a COVID-19 centric KG, in order to get a better latent representation of the graph elements. For the first time to our knowledge, molecular docking is then used to evaluate the predictions obtained from drug repurposing using KG embedding. Molecular evaluation and explanatory paths bring reliability to prediction results and constitute new complementary and reusable methods for assessing KG-based drug repurposing. The last study proposes a distributed architecture for learning KG embeddings in distributed and parallel settings. The results of the study that the computational time of embedding methods improves remarkably without affecting LP performance when they are trained in the proposed distributed settings than the traditional centralized settings.; De nombreux systèmes complexes du monde réel peuvent être représentés par des graphes, où les nœuds représentent des entités et les liens des relations entre les paires de nœuds. La prédiction de liens (LP) est l'un des problèmes les plus intéressants et les plus anciens dans le domaine de l'exploration de graphes ; elle prédit la probabilité d'un lien entre deux nœuds non connectés. Cette thèse étudie le problème LP dans les graphes simples et les graphes de connaissances (KGs). La première partie de cette thèse se concentre sur le problème LP dans les graphes simples. Dans la première étude, des approches basées sur la similarité et sur l'encastrement sont évaluées et comparées sur des graphes simples de différents domaines. L'étude a également identifié la difficulté de fixer le seuil du score de similarité pour calculer la métrique de précision des approches basées sur la similarité et a proposé une nouvelle méthode pour calculer la métrique. Les résultats ont montré la supériorité attendue des approches basées sur l'intégration. Cependant, chaque approche basée sur la similarité s'est avérée compétitive sur des graphes aux propriétés spécifiques. Nous avons pu vérifier expérimentalement que les approches basées sur la similarité sont explicables mais manquent de généralisation, tandis que les approches basées sur l'encastrement sont générales mais non explicables. La deuxième étude tente de surmonter la limitation de l'inexplicabilité des approches basées sur l'encastrement en découvrant des connexions intéressantes entre elles et les approches basées sur la similarité. La troisième étude démontre comment les approches basées sur la similarité peuvent être assemblées pour concevoir une approche LP supervisée explicable. Il est intéressant de noter que l'étude montre des performances LP élevées pour l'approche supervisée sur différents graphes, ce qui est très satisfaisant. La deuxième partie de la thèse se concentre sur les LP dans les KGs. Un KG est représenté comme une collection de triplets RDF, (head,relation,tail) où les entités head et tail sont reliées par une relation spécifique. Le problème de LP dans un KG est formulé comme la prédiction de la tête ou de la queue manquante dans un triplet. La LP basée sur l'incorporation de KG est devenue très populaire ces dernières années, et la génération de triplets négatifs est une tâche importante dans les méthodes d'incorporation. La quatrième étude traite d'une nouvelle méthode appelée SNS pour générer des triplets négatifs de haute qualité. Nos résultats montrent une meilleure performance LP lorsque SNS est utilisé que lorsque d'autres méthodes d'échantillonnage négatif sont utilisées. La deuxième étude traite d'une nouvelle méthode d'extraction de règles neuro-symboliques et d'une stratégie d'abduction pour expliquer les LP par une approche basée sur l'intégration en utilisant les règles apprises. La troisième étude applique notre LP explicable pour développer une nouvelle approche de repositionnement des médicaments pour COVID-19. L'approche apprend un ensemble d'enchâssements d'entités et de relations dans un KG centré sur COVID-19 pour obtenir un meilleur enchâssement des éléments du graphe. Pour la première fois à notre connaissance, des méthodes de criblage virtuel sont ensuite utilisées pour évaluer les prédictions obtenues à l'aide des embeddings. L'évaluation moléculaire et les chemins explicatifs apportent de la fiabilité aux résultats de prédiction et sont de nouvelles méthodes complémentaires et réutilisables pour mieux évaluer les molécules proposées pour le repositionnement. La dernière étude propose une architecture distribuée pour l'apprentissage des KG embeddings dans des environnements distribués et parallèles. Les résultats révèlent que l'apprentissage dans l'environnement distribué proposé, par rapport à un apprentissage centralisé, réduit considérablement le temps de calcul des méthodes d'incorporation KG sans affecter les performances des LP.
Published: 2022

21. The effects of role transitions and adaptation in human-cobot collaboration

Author: Lorenzo Vianello, Serena Ivaldi, Alexis Aubry, Luka Peternel, Centre de Recherche en Automatique de Nancy (CRAN), Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Istituto Italiano di Tecnologia (IIT), Jozef Stefan Institute [Ljubljana] (IJS), Delft University of Technology (TU Delft), Université de Lorraine (UL), and Action Exploratoire C-SHIFT dans le cadre de l'initiative Lorraine Université d'Excellence (LUE)
Subjects: Artificial Intelligence, collaborative robots, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], adaptation, human-robot physical interaction, Industrial and Manufacturing Engineering, Software, collaborative robots adaptation human-robot physical interaction, [SPI.AUTO]Engineering Sciences [physics]/Automatic
Abstract: International audience; Collaborative robots (cobots) have the potential to augment the productivity and life quality of human operators in the context of Industry 4.0 by providing them with physical assistance. For this reason, it is necessary to define the relationship between humans and cobots and to study how the two agents adapt to each other. However, to the best of our knowledge, literature is still missing insight into how humans perceive and react to changes in the cobot behavior (e.g. changes in the learned trajectory and in the role the robot assumes). Specifically, a study of how humans adapt to changing roles and control strategies of collaborating robots is missing. To fill this gap, we propose a human study in which 16 participants executed a collaborative human-robot sawing task where the cobot altered between three different control strategies. We examinedhuman adaptation when cobot suddenly changed the control strategy from one to another, resulting in six experimental conditions. The experiments were performed on a setup involving Kuka LBR iiwa robotic arm. The results suggest that transition influences movement performance in the early stages and at steady state, subjects prefer to abandon modes that require more effort and they adapt faster to energy-demanding modes. Finally, for the specific task we studied, subjects tend to prefer collaborative modes to ones in which the robot assumes a fixed role.
Published: 2022

22. Evaluating Robot Acceptance in Children with ASD and their Parents

Author: Eloise Zehnder, Melanie Jouaiti, François Charpillet, Laboratoire lorrain de psychologie et neurosciences de la dynamique des comportements (2LPN), Université de Lorraine (UL), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), and University of Waterloo [Waterloo]
Subjects: [SHS]Humanities and Social Sciences
Abstract: International audience; Acceptance is an important ergonomic matter for an effec- tive use of technologies, especially in the case of assistive robots. Work on acceptance with children with autistic spectrum disorder, including their parents, is still lacking. Therefore, this study aims at evaluating robots’ acceptance with parents and children with and without autistic spectrum disorder. We proceeded by evaluating acceptance and anthro- pomorphism before and after a free interaction with the Pepper robot, for neurotypical children (N=13) and children with autism (N=5) and their parents. Preliminary results indicate that acceptance metrics showed a rather positive appreciation of the robot by the children but less positive for their parents. Limitations and recommendations are proposed at the end of the study.
Published: 2022

23. Modélisation 3D de complexes ARN-protéine par assemblage combinatoire de fragments structuraux

Author: Moniot, Antoine, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université de Lorraine, Yann Guermeur, and Isaure Chauvot de Beauchêne
Subjects: Combinatorics, Bio-Informatique structurale, Combinatoire, [INFO]Computer Science [cs], Epsilon-Nets, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Structural bio-Informatics, Epsilon-Réseaux
Abstract: The characterization of RNA-protein complexes at the atomic scale allows us to better understand the biological functions of these complexes, and to define therapeutic targets to regulate the biological phenomena in which they participate. The aim of this thesis is to develop tools to predict the structure of a protein-RNA complex when a 3D structure of the protein is known as well as the secondary structure of the interacting RNA part. We focus on the case where RNA is mainly in single-stranded form (unpaired nucleotides), raising the difficulty of its flexibility.A docking method developed in the CAPSID team is based on the use of structural fragments of single-stranded RNA. The work of this thesis builds on this method to perform docking of RNA secondary structures. We first evaluated the contribution of a loop closure constraint for docking the single-stranded loop of a hairpin structure, and then addressed the docking of the double-stranded elements of these structures, paving the way for the assembly of the entire complex.This fragment-based docking method is dependent on the use of structural fragment libraries. These libraries are composed of prototypes that represent the conformational landscape experimentally observed in protein-bound RNA structures. A large part of the thesis work consisted in the creation and optimization of such fragment libraries.We created the ProtNAff tool that allows to extract subsets of structures from the PDB and to create libraries of nucleic acid fragments, following complex combinations of criteria. It has been designed to exceed our needs, so that it can be adopted by the community for the treatment of various problems.We have developed a new approach for inferring prototypes of a set of conformations. The set of prototypes must satisfy two contradictory constraints: to be representative (in the sense of the metric) and of cardinality as small as possible. The problem thus reduces to that of inferring an epsilon-network of minimal cardinality. We treat it in all its generality by discussing the spaces on which the data are defined. Our method is based on hierarchical agglomerative classification with as linkage the radius of the minimum balls enclosing the points of each subset. Applied to our libraries, this approach reduced their size by a factor of 4, and our docking computation time by the same amount, while improving their reliability.Finally, to overcome the problem posed by the pairwise superimposition of structures, we used a representation of the fragments in internal coordinates, allowing to reduce further the computation time for the creation of libraries.; La caractérisation des complexes ARN-protéine à l'échelle atomique nous permet de mieux comprendre les fonctions de ces complexes, et de définir des cibles thérapeutiques pour réguler les phénomènes biologiques auxquels ils participent. L'objet de cette thèse est de développer des outils permettant de prédire la structure d'un complexe protéine-ARN lorsque l'on connaît une structure 3D de la protéine ainsi que la structure secondaire de la partie d'ARN en interaction. Nous nous concentrons sur le cas où l'ARN est principalement sous forme simple brin (nucléotides non appariés), posant la difficulté de sa flexibilité. Une méthode d'amarrage développée dans l'équipe CAPSID repose sur l'utilisation de fragments structuraux d'ARN simple brin. Le travail de cette thèse s'est appuyé sur cette méthode pour réaliser l'amarrage de structures secondaires de l'ARN. Nous avons d'abord évalué l'apport d'une contrainte de fermeture de boucle pour l'amarrage de la boucle simple brin d'une structure en épingle, puis abordé l'amarrage des éléments double brin de ces structures, ouvrant la voie à l'assemblage du complexe entier. Cette méthode d'amarrage est dépendante de l'utilisation de bibliothèques de fragments structuraux. Ces bibliothèques sont composées de prototypes qui représentent le paysage conformationnel observé expérimentalement dans les structures d'ARN liés à des protéines. Une large partie du travail de thèse a consisté en la création et l'optimisation de telles bibliothèques de fragments. Nous avons créé l'outil ProtNAff qui permet d'extraire de la PDB des sous-ensembles de structures et de créer des bibliothèques de fragments d'acides nucléiques, suivant des combinaisons complexes de critères. Il a été conçu de façon à dépasser nos besoins, afin d'être adopté par la communauté pour le traitement de problèmes variés. Nous avons développé une nouvelle approche pour l'inférence de prototypes représentatifs d'un ensemble de conformations. L'ensemble de prototypes doit satisfaire deux contraintes contradictoires: être représentatif (au sens de la métrique) et de cardinalité aussi petite que possible. Le problème se réduit donc à celui de l'inférence d'un epsilon-réseau de cardinalité minimale. Nous le traitons dans toute sa généralité en discutant des ensembles sur lesquels sont définies les données. Notre méthode se base sur la classification ascendante hiérarchique avec comme linkage le rayon des plus petites boules englobant les points de chaque sous-ensemble. Appliquée à nos bibliothèques, cette approche a permis de réduire d'un facteur 4 leur taille, et d'autant nos temps de calcul d'amarrage, tout en améliorant leur fiabilité. Enfin, pour pallier le problème posé par les superpositions de structures deux à deux, nous avons utilisé une représentation des fragments en coordonnées internes permettant de réduire encore les temps de calcul de création des bibliothèques.
Published: 2022

24. Improving automatic GO annotation with semantic similarity

Author: Bishnu Sarker, Navya Khare, Marie-Dominique Devignes, Sabeur Aridhi, School of Applied Computational Sciences, Meharry Medical College, Nashville, TN, USA, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: GrAPFI, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], K‑nearest neighbor, Applied Mathematics, Computational Biology, Proteins, Molecular Sequence Annotation, Label propagation, Biochemistry, Semantics, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Computer Science Applications, Domain similarity network, Gene Ontology, Semantic similarity, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Structural Biology, Protein function annotation, Humans, Gene ontology annotation, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], Databases, Protein, Molecular Biology
Abstract: BackgroundAutomatic functional annotation of proteins is an open research problem in bioinformatics. The growing number of protein entries in public databases, for example in UniProtKB, poses challenges in manual functional annotation. Manual annotation requires expert human curators to search and read related research articles, interpret the results, and assign the annotations to the proteins. Thus, it is a time-consuming and expensive process. Therefore, designing computational tools to perform automatic annotation leveraging the high quality manual annotations that already exist in UniProtKB/SwissProt is an important research problemResultsIn this paper, we extend and adapt the GrAPFI (graph-based automatic protein function inference) (Sarker et al. in BMC Bioinform 21, 2020; Sarker et al., in: Proceedings of 7th international conference on complex networks and their applications, Cambridge, 2018) method for automatic annotation of proteins with gene ontology (GO) terms renaming it as GrAPFI-GO. The original GrAPFI method uses label propagation in a similarity graph where proteins are linked through the domains, families, and superfamilies that they share. Here, we also explore various types of similarity measures based on common neighbors in the graph. Moreover, GO terms are arranged in a hierarchical manner according to semantic parent–child relations. Therefore, we propose an efficient pruning and post-processing technique that integrates both semantic similarity and hierarchical relations between the GO terms. We produce experimental results comparing the GrAPFI-GO method with and without considering common neighbors similarity. We also test the performance of GrAPFI-GO and other annotation tools for GO annotation on a benchmark of proteins with and without the proposed pruning and post-processing procedure.ConclusionOur results show that the proposed semantic hierarchical post-processing potentially improves the performance of GrAPFI-GO and of other annotation tools as well. Thus, GrAPFI-GO exposes an original efficient and reusable procedure, to exploit the semantic relations among the GO terms in order to improve the automatic annotation of protein functions
Published: 2022

25. Vers l'adaptation dans la collaboration homme-robot

Author: Vianello, Lorenzo, Centre de Recherche en Automatique de Nancy (CRAN), Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Universite de Lorraine, Alexis Aubry, Serena Ivaldi, and ANR-15-IDEX-0004,LUE,Isite LUE(2015)
Subjects: Human - Robot Physical Interaction, Collaboration humain robot, Apprentissage par renforcement, Reinforcement learning, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Industrie 4.0, Industry 4.0, Interaction physique homme-robot, Human robot collaboration
Abstract: Cette thèse présente plusieurs contributions dans le domaine de l’interaction physique homme-robot. En premier lieu, elle propose une méthode pour prédire la posture humaine pendant qu’un humain interagit physiquement avec un robot. Deuxièmement, elle décrit des algorithmes et des outils de simulation pour visualiser le score d’ergonomie humaine associé au mouvement d’un humain, en temps réel, même lorsque l’humain est physiquement couplé au robot. Troisièmement, la thèse fait progresser les connaissances sur la façon de contrôler et d’adapter le comportement du robot pendant la collaboration, grâce à des études expérimentales impliquant des humains et des robots dans des scénarios de comanipulation. La première étude examine les meilleures stratégies d’impédance pour que le robot puisse collaborer avec l’humain lors de la co-manipulation d’un tuyau dans une tâche d’insertion de précision, tandis que la deuxième étude examine comment les humains s’adaptent aux stratégies d’impédance changeantes d’un robot lors d’une tâche de sciage collaborative.; The thesis presents several contributions in the area of human-robot physical interaction. First, it proposes a method to predict human posture while a human interacts physically with a robot. Second, it describes algorithms and simulation tools to visualize the human ergonomics score associated with themovement of a human, in real-time, even when the human is physically coupled with the robot. Third, the thesis advances the knowledge on how to control and adapt the robot behaviour during collaboration, thanks to experimental studies involving humans and robots in comanipulation scenarios. The firststudy investigates the best impedance strategies for the robot to collaborate with the human during a co-manipulation of a pipe in a precision insertion task, while the second study investigates how humans adapt to changing impedance strategies of a robot during a collaborative sawing task.
Published: 2022

26. Analyse du mouvement humain pour l'assistance à la personne : apport de la robustesse de l’observation et de l’analyse par contrôle optimal inverse

Author: Colombel, Jessica, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), INRIA, Université de Lorraine, François Charpillet, and David Daney
Subjects: Biological Motion, Human robot interaction, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Robotics, Mouvement biologique, Robotique, Inverse optimal control, Artificial empathy, Empathie artificielle, Interaction Humain Robot, Contrôle optimal inverse, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: Biological motion has a lot of information, both physical and cognitive. Studies have shown that it is possible to determine a person's gender, emotion and even identity. These characteristics are accessible from information on the dynamics of the movement of polyarticulated bodies (e.g. the movement of the articulation points). Understanding and interpreting a person's behavior and state are abilities related to empathy. It is a faculty common to all mammals and is based on certain neural systems including, among others, mirror neurons. Given that empathy is an important part of social interactions in humans and more generally in animals, we can ask ourselves how our relationship with robots can be inspired by it.This leads us to the following problem: can robotic assistance to people use the interpretation of human movement, rich in physical and cognitive information, as a modality to improve the Human-Robot Interaction?To answer this question, we are working on observation tools and on a method of motion analysis that can be used in real time by a robotic system.Initially, we worked on the observation tools of human movement. Our objectives of robotic assistance in an ecological environment require the installation of sensors that affect the person's actions as little as possible. We have therefore chosen to study the Microsoft Kinect sensor which is an accessible depth sensor allowing to recover the Cartesian positions of the joints and extremities of the body. However, this type of sensor is subject to measurement noise that would prevent a fine analysis of the movement. We have therefore developed two methods to improve the measurement of this sensor based on the Extended Kalman Filter (EKF): an anthropometrically constrained EKF and a sensor fusion EKF. We have done the first study on the 2nd generation Kinect and the second on the 2nd and 3rd generations, allowing to highlight the differences between these two sensors.In a second time, we were interested in motion analysis methods and more specifically in the problem of Inverse Optimal Control (IOC). The objective of IOC is to identify the weights associated with a set of cost functions to be optimized to generate a given trajectory. In this thesis, we seek to analyze in real time human motion trajectories whose measurements, coming from sensors, are noisy. We have studied the reliability of the IOC resolution method called Approached, as a function of the measurement noise. We also provide an original approach to the IOC that poses a new view of the optimality of trajectories and allows us to introduce the concepts of Singularity Curves and Projection. We show in this paper tools to better understand and take into account the robustness issues of IOC.; Le mouvement biologique possède de nombreuses informations, qu'elles soient physique ou cognitive. Des travaux ont montré qu'il était possible de déterminer le genre d'une personne, son émotion, voire même son identité. Ces caractéristiques sont accessibles à partir d'information sur la dynamique du mouvement des corps poly-articulés (e.g. le mouvement des points d'articulation). Comprendre et interpréter le comportement d'une personne et son état sont des capacités liées à l'empathie. C'est une faculté commune à l'ensemble des mammifères qui se base sur certains systèmes neuronaux comprenant, entre autre, les neurones miroirs. Étant donné que l'empathie participe grandement aux interactions sociales chez les hommes et plus généralement les animaux, on est en mesure de se demander comment notre relation avec les robots peut s'en inspirer.Cela nous amène à la problématique suivante: l'assistance robotique à la personne peut-elle se servir de l'interprétation du mouvement humain, riche d'informations physiques et cognitives, comme modalité d'amélioration de l'Interaction Humain Robot ?Pour répondre à cette problématique, nous nous positionnons sur des outils d'observations et sur une méthode d'analyse du mouvement qui soient exploitables en temps réel par un système robotique.Dans un premier temps, nous avons travaillé sur les outils d'observation du mouvement humain. Nos objectifs d'assistance robotisée en milieu écologique, nécessitent d'installer des capteurs qui affectent le moins possible les actions de la personne. Nous avons donc choisi d'étudier le capteur Kinect de Microsoft qui est un capteur de profondeur accessible permettant de récupérer les positions cartésiennes des articulations et extrémités du corps. Cependant, ce type de capteur est sujet à des bruits de mesure qui empêcherait une analyse fine du mouvement. Nous avons donc développé deux méthodes pour améliorer la mesure de ce capteur basé sur le Filtre de Kalman Etendu (EKF): un EKF sous contrainte anthropométrique et un EKF de fusion de capteurs. Nous avons fait la première étude sur la Kinect de 2ème génération et la deuxième sur les générations 2 et 3, permettant de mettre en avant les différences entre ces deux capteurs.Dans un second temps, nous nous sommes intéressés aux méthodes d'analyse du mouvement et plus spécifiquement au problème de Control Optimal Inverse (COI). L'objectif du COI est d'identifier les pondérations associées à un ensemble de fonctions de coûts à optimiser pour générer une trajectoire donnée. Dans le cadre de cette thèse, nous cherchons à analyser en temps réel des trajectoires de mouvement humain dont les mesures, issus de capteurs, sont bruitées. Nous avons étudié la fiabilité de la méthode de résolution du COI dite Approchée, en fonction du bruit de mesure. Nous apportons également une approche originale du COI qui pose une nouvelle vision de l'optimalité de trajectoires et permet de présenter les concepts de Courbes de Singularité et de Projection. Nous montrons dans cette étude des outils permettant de mieux comprendre et prendre en compte les problématique de robustesse du COI.
Published: 2022

27. Simultaneous Action Recognition and Human Whole-Body Motion and Dynamics Prediction from Wearable Sensors

Author: Darvish, Kourosh, Ivaldi, Serena, Pucci, Daniele, Italian Institute of Technology (IIT), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), and European Project: 731540,H2020,An.Dy(2017)
Subjects: FOS: Computer and information sciences, Computer Science - Robotics, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Robotics (cs.RO)
Abstract: International audience; This paper presents a novel approach to solve simultaneously the problems of human activity recognition and whole-body motion and dynamics prediction for real-time applications. Starting from the dynamics of human motion and motor system theory, the notion of mixture of experts from deep learning has been extended to address this problem. In the proposed approach, experts are modelled as a sequenceto-sequence recurrent neural networks (RNN) architecture. Experiments show the results of 66-DoF real-world human motion prediction and action recognition during different tasks like walking and rotating. The code associated with this paper is available at: github.com/ami-iit/paper_darvish_ 2022_humanoids_action-kindyn-predicition
Published: 2022

28. From humans to humanoids: learning and interaction for human-humanoid collaboration

Author: Ivaldi, Serena, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université de Lorraine (UL), and Bernard Girau (bernard.girau@loria.fr)
Subjects: Robotique Humanoïde, Robotics Humanoid, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO]
Abstract: This manuscript presents a summary of the main line of research I have been leading in the last years, in particular since 2015, when I started my position as charg ́ee de recherche (research scientist) Inria in Inria Nancy Grand Est / Loria1. The new position also marked an important event for Inria and for the Loria laboratory, which is the funding of the Larsen team, by Francois Charpillet, Francis Colas, Jean-Baptiste Mouret and myself, with the willingness to establish a new research group in robotics and artificial intelligence. The team project was articulated around the different research lines of the funding members, with the shared objective ofadvancing the skills of robots in terms of autonomy and interaction.
Published: 2022

29. Coordination de plates-formes robotiques autonomes, en environnement inconnu pour la recherche et le sauvetage

Author: Gauville, Nicolas, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), SAFRAN Electronics & Defense, Convention CIFRE - SAFRAN, Université de Lorraine, François Charpillet, and Projet FURIOUS : FUturs systèmes Robotiques Innovants en tant qu'OUtilS au profit du combattant embarqué et débarqué
Subjects: Autonomous decision making, Search and rescue, Autonomie décisionnelle, Multi-Robotique, Multi-Robotics, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], [INFO]Computer Science [cs], Recherche et sauvetage
Abstract: This thesis focuses on exploring unknown environments using a group of reactive autonomous robots. Autonomous exploration is used in different domains, from vacuum robots to search and rescue robots used in natural disasters (fires, landslides) or military contexts.The work achieved during this thesis was financed by Safran Electronics & Defense in support of the FURIOUS project (FUturs Innovative Robotic Systems as Tools for the benefit of the embarked and disembarked fighter) of the French General Direction of Armaments. It follows the Cart-O-Matic project, which was one of the five projects founded by the French National Research Agency (ANR) for its participation in the robotics competition "Défi CAROTTE" organized by the "Direction Générale pour l'Armement," and which won this competition.Many approaches to autonomous exploration exist in the state of the art. In this thesis, we have tried to efficiently explore an indoor environment while limiting the amount of computation and communication. Reducing the amount of computation required saves robot batteries and makes it easier to use a large number of robots. Reducing communications saves energy but is also interesting in a military setting to limit the risks of compromising the presence of robots. A local exploration algorithm has been proposed to significantly reduce communications and computations while maintaining a high level of performance and was published at the 27th Journées Francophones sur les Systèmes Multi-Agents.We then proposed a new semantic map approach, allowing us to segment the environment into rooms and corridors, and a new constraint-based exploration algorithm. This new approach allows robots to understand better the environment in which they evolve and to reduce localization and perception errors specific to the sensors which equip them. Our constraint-based approach allows operators to define robot objectives and priorities better, thus meeting the operational needs of various missions, including search and rescue and military support.; Cette thèse s'intéresse à l'exploration d'environnements inconnus à l'aide d'une flotte de robots autonomes réactifs. L'exploration autonome est utilisée dans différents domaines, allant des robots aspirateurs aux robots de recherche et de sauvetage utilisés lors de catastrophes naturelles (incendies, éboulements) ou encore dans des contextes militaires. Le travail réalisé au cours de cette thèse a été financé par Safran Electronics & Defense en soutient du projet FURIOUS (FUturs systèmes Robotiques Innovants en tant qu'OUtilS au profit du combattant embarqué et débarqué) de la Direction Générale de l'Armement. Il fait suite au projet Cart-O-Matic, qui était l'un des cinq projets fondés par l'Agence Nationale de la Recherche (ANR) pour sa participation au concours de robotique "Défi CAROTTE" organisé par la Délégation générale pour l'armement, et qui a remporté ce concours. De très nombreuses approches de l'exploration autonome existent dans l'état de l'art. Dans cette thèse, nous avons cherché à explorer efficacement un environnement intérieur en limitant les calculs et communications. Réduire la quantité de calculs nécessaires permet d'économiser les batteries des robots et d'utiliser plus facilement un grand nombre de robots. Réduire les communications permet une économie d'énergie, mais est également intéressant dans un cadre militaire, de façon à limiter les risques de compromettre la présence des robots. Un algorithme d'exploration local a été proposé, permettant de réduire significativement communications et calculs tout en maintenant un haut niveau de performances et publié aux 27èmes Journées Francophones sur les Systèmes Multi-Agents. Nous avons ensuite proposé une nouvelle approche par carte sémantique, permettant de segmenter l'environnement en pièces et couloirs, ainsi qu'un nouvel algorithme d'exploration par contraintes. Cette nouvelle approche permet aux robots de mieux comprendre l'environnement dans lequel ils évoluent, et de réduire les erreurs de localisation et de perception propres aux capteurs qui les équipent. Notre approche par contrainte permet aux opérateurs de mieux définir les objectifs et priorités des robots, répondant ainsi aux besoins opérationnels de différentes missions, notamment dans le cadre de missions de recherche et de sauvetage ou de soutien militaire.
Published: 2022

30. Duration Models for Human Activity Prediction in Industry-Like Tasks

Author: Mehdi, Nima, Thomas, Vincent, Ivaldi, Serena, Colas, Francis, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), ANR-18-CE33-0001,The_flying_coworker,L'équipier volant(2018), Thomas, Vincent, and APPEL À PROJETS GÉNÉRIQUE 2018 - L'équipier volant - - The_flying_coworker2018 - ANR-18-CE33-0001 - AAPG2018 - VALID
Subjects: Activity prediction, Activity recognition, [INFO.INFO-RB] Computer Science [cs]/Robotics [cs.RO], [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Hidden Semi-Markov models
Abstract: International audience
Published: 2022

31. Cell to network computational model of the epileptic human hippocampus suggests specific roles of network and channel dysfunctions in the ictal and interictal oscillations

Author: Aussel, Amélie, Ranta, Radu, Aron, Olivier, Colnat-Coulbois, Sophie, Tyvaert, Louise, Maillard, Louis, Buhry, Laure, Centre de Recherche en Automatique de Nancy (CRAN), Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Analysis and modeling of neural systems by a system neuroscience approach (NEUROSYS), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Mnemonic Synergy (Mnemosyne), Laboratoire Bordelais de Recherche en Informatique (LaBRI), Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut des Maladies Neurodégénératives [Bordeaux] (IMN), Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), and Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)
Subjects: computational modeling, [SDV.OT]Life Sciences [q-bio]/Other [q-bio.OT], Sclerosis, realistic anatomy, hippocampus, Cognitive Neuroscience, Models, Neurological, Electroencephalography, Sensory Systems, pathological connectivity, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Cellular and Molecular Neuroscience, Chlorides, Seizures, Potassium, [SDV.MHEP.PHY]Life Sciences [q-bio]/Human health and pathology/Tissues and Organs [q-bio.TO], Humans, epilepsy, [SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, sleep-wake cycle
Abstract: International audience; The mechanisms underlying the generation of hippocampal epileptic seizures and interictal events and their interactions with the sleep-wake cycle are not yet fully understood. Indeed, medial temporal lobe epilepsy is associated with hippocampal abnormalities both at the neuronal (channelopathies, impaired potassium and chloride dynamics) and network level (neuronal and axonal loss, mossy fiber sprouting), with more frequent seizures during wakefulness compared with slow-wave sleep. In this article, starting from our previous computational modeling work of the hippocampal formation based on realistic topology and synaptic connectivity, we study the role of microand mesoscale pathological conditions of the epileptic hippocampus in the generation and maintenance of seizure-like theta and interictal oscillations. We show, through the simulations of hippocampal activity during slow-wave sleep and wakefulness that: (i) both mossy fiber sprouting and sclerosis account for seizure-like theta activity, (ii) but they have antagonist effects (seizure-like activity occurrence increases with sprouting but decreases with sclerosis), (iii) though impaired potassium and chloride dynamics have little influence on the generation of seizure-like activity, they do play a role on the generation of interictal patterns, and (iv) seizure-like activity and fast ripples are more likely to occur during wakefulness and interictal spikes during sleep.
Published: 2022

32. Inductive database to support iterative data mining: Application to biomarker analysis on patient data in the Fight-HF project

Author: Emmanuel Bresso, Joao-Pedro Ferreira, Nicolas Girerd, Masatake Kobayashi, Grégoire Preud’homme, Patrick Rossignol, Fayez Zannad, Marie-Dominique Devignes, Malika Smaïl-Tabbone, Défaillance Cardiovasculaire Aiguë et Chronique (DCAC), Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL), Centre d'investigation clinique plurithématique Pierre Drouin [Nancy] (CIC-P), Centre d'investigation clinique [Nancy] (CIC), Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL)-Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL), Cardiovascular and Renal Clinical Trialists [Vandoeuvre-les-Nancy] (INI-CRCT), Institut Lorrain du Coeur et des Vaisseaux Louis Mathieu [Nancy], French-Clinical Research Infrastructure Network - F-CRIN [Paris] (Cardiovascular & Renal Clinical Trialists - CRCT ), Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), ANR-15-RHUS-0004,FIGHT-HF,Combattre l'insuffisance cardiaque(2015), BOZEC, Erwan, and Combattre l'insuffisance cardiaque - - FIGHT-HF2015 - ANR-15-RHUS-0004 - RHUS - VALID
Subjects: Heart Failure, Databases, Factual, [SDV.MHEP.CSC]Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system, Health Informatics, Knowledge Discovery, Inductive database, Knowledge Discovery from Data (KDD), Data mining, Biomarkers, Computer Science Applications, [SDV.MHEP.CSC] Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system
Abstract: International audience; Machine learning is now an essential part of any biomedical study but its integration into real effective Learning Health Systems, including the whole process of Knowledge Discovery from Data (KDD), is not yet realised. We propose an original extension of the KDD process model that involves an inductive database. We designed for the first time a generic model of Inductive Clinical DataBase (ICDB) aimed at hosting both patient data and learned models. We report experiments conducted on patient data in the frame of a project dedicated to fight heart failure. The results show how the ICDB approach allows to identify biomarker combinations, specific and predictive of heart fibrosis phenotype, that put forward hypotheses relative to underlying mechanisms. Two main scenarios were considered, a local-to-global KDD scenario and a transcohort alignment scenario. This promising proof of concept enables us to draw the contours of a next-generation Knowledge Discovery Environment (KDE).
Published: 2022

33. HSVI Can Solve Zero-Sum Partially Observable Stochastic Games

Author: Delage, Aurélien, Buffet, Olivier, Dibangoye, Jilles S., Saffidine, Abdallah, Robots coopératifs et adaptés à la présence humaine en environnements (CHROMA), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-CITI Centre of Innovation in Telecommunications and Integration of services (CITI), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Inria Lyon, Institut National de Recherche en Informatique et en Automatique (Inria), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), University of New South Wales [Sydney] (UNSW), and ANR-19-CE23-0018,plasma,Planification et Apprentissage pour Agir dans des Systèmes Multi-Agents(2019)
Subjects: [INFO.INFO-GT]Computer Science [cs]/Computer Science and Game Theory [cs.GT], Computer Science - Artificial Intelligence, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: State-of-the-art methods for solving 2-player zero-sum imperfect information games rely on linear programming or regret minimization, though not on dynamic programming (DP) or heuristic search (HS), while the latter are often at the core of state-of-the-art solvers for other sequential decision-making problems. In partially observable or collaborative settings (e.g., POMDPs and Dec- POMDPs), DP and HS require introducing an appropriate statistic that induces a fully observable problem as well as bounding (convex) approximators of the optimal value function. This approach has succeeded in some subclasses of 2-player zero-sum partially observable stochastic games (zs- POSGs) as well, but how to apply it in the general case still remains an open question. We answer it by (i) rigorously defining an equivalent game to work with, (ii) proving mathematical properties of the optimal value function that allow deriving bounds that come with solution strategies, (iii) proposing for the first time an HSVI-like solver that provably converges to an $\epsilon$-optimal solution in finite time, and (iv) empirically analyzing it. This opens the door to a novel family of promising approaches complementing those relying on linear programming or iterative methods., Comment: 42 pages, 2 algorithms. arXiv admin note: substantial text overlap with arXiv:2110.14529
Published: 2022

34. Conformational variability in proteins bound to single-stranded DNA: a new benchmark for new docking perspectives

Author: Dominique Mias-Lucquin, Isaure Chauvot de Beauchêne, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Molecular Docking Analysis, Protein Conformation, Molecular Conformation, Protein Data Bank (RCSB PDB), DNA, Single-Stranded, Single-Stranded DNA, Computational biology, Benchmark, Biochemistry, Quantitative Biology - Quantitative Methods, Protein structure, Structural Biology, SsDNA binding, Databases, Protein, Molecular Biology, Quantitative Methods (q-bio.QM), Molecular interactions, [SDV.BBM.BS]Life Sciences [q-bio]/Biochemistry, Molecular Biology/Structural Biology [q-bio.BM], Chemistry, Computational Biology, Proteins, Biomolecules (q-bio.BM), computer.file_format, Protein Data Bank, Molecular Docking Simulation, Benchmarking, Quantitative Biology - Biomolecules, Docking (molecular), FOS: Biological sciences, Benchmark (computing), Single-Stranded DNA-Binding Protein, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], computer, Software, Protein Binding
Abstract: International audience; We explored the Protein DataBank (PDB) to collect protein-ssDNA structures and create a multiconformational docking benchmark including both bound and unbound protein structures. Due to ssDNA high flexibility when not bound, no ssDNA unbound structure is included in the benchmark. For the 91 sequence-identity groups identified as bound-unbound structures of the same protein, we studied the conformational changes in the protein induced by the ssDNA binding. Moreover, based on several bound or unbound protein structures in some groups, we also assessed the intrinsic conformational variability in either bound or unbound conditions, and compared it to the supposedly binding-induced modifications. To illustrate a use case of this benchmark, we performed docking experiments using ATTRACT docking software. This benchmark is, to our knowledge, the first one made to peruse available structures of ssDNA-protein interactions to such an extent, aiming to improve computational docking tools dedicated to this kind of molecular interactions.
Published: 2022

35. CroMaSt: A workflow for domain family curation through cross-mapping of structural instances between protein domain databases

Author: Dhondge, Hrishikesh, Chauvot de Beauchêne, Isaure, Devignes, Marie-Dominique, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), and European Project: 813239
Subjects: 3-D STRUCTURE, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], [SDV.BBM.BS]Life Sciences [q-bio]/Biochemistry, Molecular Biology/Structural Biology [q-bio.BM], Database integration, Protein domains, CATH, CWL, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], Pfam
Abstract: International audience; Protein domains can be viewed as building blocks, essential for understanding structure-function relationships in proteins. However, each domain database classifies protein domains using its own methodology. Thus, in many cases, boundaries between different domains or families differ from one domain database to the other, raising the question of domain definition and enumeration. The answer to this question cannot be found in a single database. Rather, expert integration and curation of various databases are required to refine the contours of a domain of interest, in a domain-centric approach. Here, we illustrate the role of 3-D structure in clarifying domain definition with the help of CroMaSt: “Cross-Mapper for Structural Domains”, a fully automated workflow that classifies all structural instances of a given domain into 3 different categories (core, true and domain-like). CroMaSt is developed in Common Workflow Language (CWL) and takes advantage of 2 well-known and widely used domain databases, Pfam (sequence-based) and CATH (structure-based). It uses the domain definitions from Pfam and CATH and SIFTS resource for cross-mapping of structural instances from the above-mentioned sources. Structural alignments generated by Kpax allow to identify the false positive instances from each domain database. We tested CroMaSt on the RNA Recognition Motif (RRM), the most prevalent and diverse RNA-binding domain. Starting from PF00076 and 3.30.70.330 domain families from Pfam and CATH respectively, our workflow identifies 882 core, 966 true and 344 domain-like structural instances. The information generated by this method will play a crucial role in machine learning methods applied to domain-specific synthetic biology.
Published: 2022
Full Text: View/download PDF

36. PreTR: Spatio-Temporal Non-Autoregressive Trajectory Prediction Transformer

Author: Achaji, Lina, Barry, Thierno, Fouqueray, Thibault, Moreau, Julien, Aioun, Francois, Charpillet, Francois, Stellantis France, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), and ANRT Cifre
Subjects: FOS: Computer and information sciences, Computer Science - Machine Learning, [SPI]Engineering Sciences [physics], Computer Vision and Pattern Recognition (cs.CV), Computer Science - Computer Vision and Pattern Recognition, Computer Science - Multiagent Systems, [INFO]Computer Science [cs], Machine Learning (cs.LG), Multiagent Systems (cs.MA)
Abstract: International audience; Nowadays, our mobility systems are evolving into the era of intelligent vehicles that aim to improve road safety. Due to their vulnerability, pedestrians are the users who will benefit the most from these developments. However, predicting their trajectory is one of the most challenging concerns. Indeed, accurate prediction requires a good understanding of multi-agent interactions that can be complex. Learning the underlying spatial and temporal patterns caused by these interactions is even more of a competitive and open problem that many researchers are tackling. In this paper, we introduce a model called PRediction Transformer (PReTR) that extracts features from the multi-agent scenes by employing a factorized spatio-temporal attention module. It shows less computational needs than previously studied models with empirically better results. Besides, previous works in motion prediction suffer from the exposure bias problem caused by generating future sequences conditioned on model prediction samples rather than ground-truth samples. In order to go beyond the proposed solutions, we leverage encoder-decoder Transformer networks for parallel decoding a set of learned object queries. This non-autoregressive solution avoids the need for iterative conditioning and arguably decreases training and testing computational time. We evaluate our model on the ETH/UCY datasets, a publicly available benchmark for pedestrian trajectory prediction. Finally, we justify our usage of the parallel decoding technique by showing that the trajectory prediction task can be better solved as a non-autoregressive task.
Published: 2022

37. Influence of a passive back support exoskeleton on simulated patient bed bathing: Results of an exploratory study

Author: Maurice, Pauline, Cuny-Enault, Félix, Ivaldi, Serena, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Inria projects ExoTurn and ExoCare, CPER Sciarat, ANR-20-CE33-0004,ROOIBOS,Robotique Collaborative et Ergonomie : Adaptation du Mouvement Centrée sur l'Utilisateur(2020), and European Project: 731540,H2020,An.Dy(2017)
Subjects: electromyography, low back demand, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Physical Therapy, Sports Therapy and Rehabilitation, Human Factors and Ergonomics, healthcare ergonomics, Passive exoskeletons
Abstract: International audience; Low-back pain is a major concern among healthcare workers. One cause is the frequent adoption of repetitive forward bent postures in their daily activities. Occupational exoskeletons have the potential to assist workers in such situations. However, their efficacy is largely task-dependent, and their biomechanical benefit in the healthcare sector has rarely been evaluated. The present study investigates the effects of a passive back support exoskeleton in a simulated patient bed bathing task. Nine participants performed the task on a medical manikin, with and without the exoskeleton. Results show that working with the exoskeleton induced a significantly larger trunk forward flexion, by 13 deg in average. Due to this postural change, using the exoskeleton did not affect substantially the muscular and cardiovascular demands nor the perceived effort. These results illustrate that postural changes induced by exoskeleton use, whether voluntary or not, should be considered carefully since they may cancel out biomechanical benefits expected from the assistance.
Published: 2022

38. Abstract Simulation of Reaction Networks via Boolean Networks

Author: Niehren, Joachim, Vaginay, Athénaïs, Versari, Cristian, BioComputing, Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Linking Dynamic Data (LINKS), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Linking Dynamic Data [LINKS], and Computational Algorithms for Protein Structures and Interactions [CAPSID]
Subjects: Sign abstraction, Logic, SBML, Boolean networks, Reaction networks, abstract interpretation, Linear equation systems, Systems biology, Computer Science::Programming Languages, Constraint programming, [INFO]Computer Science [cs], [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM]
Abstract: We propose to simulate chemical reaction networks with the deterministic semantics abstractly, without any precise knowledge on the initial concentrations. For this, the concentrations of species are abstracted to booleans stating whether the species is present or absent, and the derivations of the concentrations are abstracted to signs saying whether the concentration is increasing, decreasing, or unchanged. We use abstract interpretation over the structure of signs for mapping the ODEs of a reaction network to a boolean network with nondeterministic updates. The abstract state transition graph of such boolean networks can be computed by finite domain constraint programming over the finite structure of signs. Constraints on the abstraction of the initial concentrations can be added naturally, leading to an abstract simulation algorithm that produces only the part of the abstract state transition graph that is reachable from the abstraction of the initial state. We proof the soundness of our abstract simulation algorithm, discuss how we implemented it, illustrate it usefulness for exact reasoning, and show its applicability to reaction networks in SBML format from the BioModels database.
Published: 2022

39. Reduced structural flexibility of eplet amino acids in HLA proteins

Author: Amaya-Ramirez, Diego, Lhotte, Romain, Devriese, Magali, Hays, Constantin, Taupin, Jean-Luc, Devignes, Marie-Dominique, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), INSERM U108 [AP-HP Hôpital Saint-Louis], Hopital Saint-Louis [AP-HP] (AP-HP), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), and AMAYA, Diego
Subjects: [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], [INFO.INFO-BI] Computer Science [cs]/Bioinformatics [q-bio.QM]
Abstract: International audience; The proteins encoded in the HLA (Human Leukocyte Antigen) system are largely responsible for the compatibility in organ transplants. To date, the molecular determinants involved in recognizing HLA antigens by recipient antibodies are unknown. Here we explore flexibility as a potential determinant. For this purpose, we compare in terms of N-RMSF (Normalized Root Mean Square Fluctuation) amino acids labeled as confirmed eplets (regions defined around polymorphic amino acids) against amino acids that have not been reported as eplets. We found that eplet amino acids tend to be less flexible than non-eplet amino acids, which would indicate that the antibodies would have a preference for binding with less mobile regions.
Published: 2022

40. Holistic vision of Inverse Optimal Control

Author: Colombel, Jessica, Daney, David, Charpillet, François, Faculté des Sciences et Technologies [Université de Lorraine] (FST ), Université de Lorraine (UL), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Augmenting human comfort in the factory using cobots (AUCTUS), Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut Polytechnique de Bordeaux (Bordeaux INP), and Colombel, Jessica
Subjects: Identification, Inverse Optimal Control, [INFO.INFO-RB] Computer Science [cs]/Robotics [cs.RO], [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], [MATH.MATH-OC] Mathematics [math]/Optimization and Control [math.OC], Human Motion Analysis, [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC]
Abstract: Inverse Optimal Control (IOC) is a problem that exists in many fields. In the context of human motion analysis, many methods for solving this problem have been proposed. This paper presents the Projected Inverse Optimal Control (PIOC) approach which puts forward a simple and complete vision of the problem. PIOC is composed of several independent elements allowing to cover problems of dimensioning, measurement noise and reliability of solution. The first element is the parameterization of the data, allowing to reduce the dimensions of the problem. The second element corresponds to the decoupling of the conditions including the conditions of identifiability of the parameters, singularity of the problem and feasibility of the solution. The last element refers to the choice of solution. We show with this approach that the classical solution methods are in fact projections in the space of trajectories. PIOC also allows us to propose a simple algorithm for the choice of basis, a recurrent problem in IOC
Published: 2022

41. SOMMA: Cortically Inspired Paradigms for Multimodal Processing

Author: Mathieu Lefort, Yann Boniface, Bernard Girau, Neuromimetic intelligence (CORTEX), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Neuromimetic intelligence ( CORTEX ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Department of Complex Systems, Artificial Intelligence & Robotics ( LORIA - AIS ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), and Lefort, Mathieu
Subjects: Self-organizing map, Computer science, business.industry, media_common.quotation_subject, [SCCO.NEUR]Cognitive science/Neuroscience, [SCCO.NEUR] Cognitive science/Neuroscience, 02 engineering and technology, Stimulus (physiology), 03 medical and health sciences, 0302 clinical medicine, Perception, Learning rule, [ SCCO.NEUR ] Cognitive science/Neuroscience, 0202 electrical engineering, electronic engineering, information engineering, 020201 artificial intelligence & image processing, Artificial intelligence, business, 030217 neurology & neurosurgery, media_common
Abstract: International audience; SOMMA (Self Organizing Maps for Multimodal Association) consists on cortically inspired paradigms for multi-modal data processing. SOMMA defines generic cortical maps - one for each modality - composed of 3-layers cortical columns. Each column learns a discrimination to a stimulus of the input flow with the BCMu learning rule [26]. These discriminations are self-organized in each map thanks to the coupling with neural fields used as a neighborhood function. Learning and computation in each map is influenced by other modalities thanks to bidirectional topographic connections between all maps. This multimodal influence drives a joint self-organization of maps and multimodal perceptions of stimuli. This work takes place after the design of a self-organizing map and of a modulation mechanism for influencing its self-organization oriented towards a multimodal purpose. In this paper, we introduce a way to connect these self-organizing maps to obtain a multimap multimodal processing, completing our previous work. We also give an overview of the architectural and functional properties of the resulting paradigm SOMMA.
Published: 2013

42. Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale

Author: Mathieu Lefort, Neuromimetic intelligence ( CORTEX ), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Department of Complex Systems, Artificial Intelligence & Robotics ( LORIA - AIS ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Université Nancy II, Bernard Girau(bernard.girau@loria.fr), Neuromimetic intelligence (CORTEX), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université de Lorraine, and Bernard Girau (bernard.girau@loria.fr)
Subjects: auto-organisation, multimodal integration, apprentissage continu et non supervisé, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], neural networks, self-organization, multimodalité, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [ INFO.INFO-NE ] Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], on-line and unsupervised learning, réseau de neurones
Abstract: This thesis focuses on unifying multiple modal data flows that may be provided by sensors of an agent. This unification, inspired by psychological experiments like the ventriloquist effect, is based on detecting correlations which are defined as temporally recurrent spatial patterns that appear in the input flows. Learning of the input flow correlations space consists on sampling this space and generalizing these learned samples. This thesis proposed some functional paradigms for multimodal data processing, leading to the connectionist, generic, modular and cortically inspired architecture SOMMA (Self-Organizing Maps for Multimodal Association). In this model, each modal stimulus is processed in a cortical map. Interconnection of these maps provides an unifying multimodal data processing. Sampling and generalization of correlations are based on the constrained self-organization of each map. The model is characterised by a gradual emergence of these functional properties: monomodal properties lead to the emergence of multimodal ones and learning of correlations in each map precedes self-organization of these maps. Furthermore, the use of a connectionist architecture and of on-line and unsupervised learning provides plasticity and robustness properties to the data processing in SOMMA. Classical artificial intelligence models usually miss such properties.; Cette thèse traite de la problématique de l'unification de différents flux d'informations modales qui peuvent provenir des senseurs d'un agent. Cette unification, inspirée des expériences psychologiques comme l'effet ventriloque, s'appuie sur la détection de corrélations, définies comme des motifs spatiaux qui apparaissent régulièrement dans les flux d'entrée. L'apprentissage de l'espace des corrélations du flux d'entrée échantillonne cet espace et généralise les échantillons appris. Cette thèse propose des principes fonctionnels pour le traitement multimodal de l'information qui ont aboutit à l'architecture connexionniste, générique, modulaire et cortico-inspirée SOMMA (Self-Organizing Maps for Multimodal Association). Dans ce modèle, le traitement de chaque modalité s'effectue au sein d'une carte corticale. L'unification multimodale de l'information est obtenue par la mise en relation réciproque de ces cartes. L'échantillonnage et la généralisation des corrélations reposent sur une auto-organisation contrainte des cartes. Ce modèle est caractérisé par un apprentissage progressif de ces propriétés fonctionnelles: les propriétés monomodales amorcent l'émergence des propriétés multimodales et, dans le même temps, l'apprentissage de certaines corrélations par chaque carte est un préalable à l'auto-organisation de ces cartes. Par ailleurs, l'utilisation d'une architecture connexionniste et d'un apprentissage continu et non supervisé fournit au modèle des propriétés de robustesse et d'adaptabilité qui sont généralement absentes des approches informatiques classiques.
Published: 2012

43. The SOMMA model: cortically inspired maps for multimodal learning

Author: Lefort, Mathieu, Boniface, Yann, Girau, Bernard, Neuromimetic intelligence ( CORTEX ), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Department of Complex Systems, Artificial Intelligence & Robotics ( LORIA - AIS ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Neuromimetic intelligence (CORTEX), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), and Lefort, Mathieu
Subjects: [SCCO.COMP] Cognitive science/Computer science, [ SCCO.COMP ] Cognitive science/Computer science, [SCCO.COMP]Cognitive science/Computer science
Abstract: Presentation of the SOMMA model in the CogSys 2012 conference, Présentation du modèle SOMMA à la conférence CogSys 2012
Published: 2012

44. Perception of physical and virtual agents: exploration of factors influencing the acceptance of intrusive domestic agents

Author: Zehnder, Eloïse, Dinet, Jérôme, Charpillet, François, Laboratoire lorrain de psychologie et neurosciences de la dynamique des comportements (2LPN), Université de Lorraine (UL), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [SHS]Humanities and Social Sciences
Abstract: International audience; Domestic robots and agents are widely sold to the grand public, leading us to ethical issues related to the data harvested by such machines. While users show a general acceptance of these robots, concerns remain when it comes to information security and privacy. Current research indicates that there’s a privacy-security trade-off for better use, but the anthropomorphic and social abilities of a robot are also known to modulate its acceptance and use. To explore and deepen what literature already brought on the subject we examined how users perceived their robot (Replika, Roomba©, Amazon Echo©, Google Home©, or Cozmo©/Vector©) through an online questionnaire exploring acceptance, perceived privacy and security, anthropomorphism, disclosure, perceived intimacy, and loneliness. The results supported the literature regarding the potential manipulative effects of robot’s anthropomorphism for acceptance but also information disclosure, perceived intimacy, security, and privacy.
Published: 2022

45. Negative Sampling and Rule Mining for Explainable Link Prediction in Knowledge Graphs

Author: Md Kamrul Islam, Sabeur Aridhi, Malika Smail-Tabbone, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: negative sampling, Information Systems and Management, Artificial Intelligence, explainability, [CHIM]Chemical Sciences, knowledge graph embedding, rule mining, Software, Management Information Systems, link prediction
Abstract: International audience; Several KG embedding methods were proposed to learn low dimensional vector representations of entities and relations of a KG. Such representations facilitate the link prediction task, in the service of inference and KG completion. In this context, it is important to achieve both an efficient KG embedding and explainable predictions. During learning of efficient embeddings, sampling negative triples was highlighted as an important step as KGs only have observed positive triples. We propose an efficient simple negative sampling (SNS) method based on the assumption that the entities which are closer in the embedding space to the corrupted entity are able to provide high-quality negative triples. As for explainability, it actually constitutes a thriving research question especially when it comes to analyse KGs with their rich semantics rooted in description logics. Hence, we propose in this paper a new rule mining method on the basis of learned embeddings. We extensively evaluate our proposals through several experiments. We evaluate our SNS sampling method plugged to several KG embedding models through link prediction task performances on well-known datasets. Experimental results show that the SNS improves the prediction performance of KG embedding models, and outperforms the existing sampling methods. To assess the performance of our rule mining method with and without SNS, we mine and evaluate rules on three popular datasets. The extracted rules are evaluated as knowledge nuggets extracted from the KG and also as support for explainable link prediction. The overall results are good and open the way to many improvements and new perspectives.
Published: 2022

46. Promoting Physical Activity for Elderly People with Immersive Virtual Reality (IVR)

Author: Dinet, Jérôme, Nouchi, Rui, Laboratoire lorrain de psychologie et neurosciences de la dynamique des comportements (2LPN), Université de Lorraine (UL), Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Institut National de Recherche en Informatique et en Automatique (Inria), Tohoku University [Sendai], Department of Cognitive Health Science, Institute of Development, Aging and Cancer (IDAC), and Tohoku University [Sendai]-Tohoku University [Sendai]
Subjects: Immersive virtual reality, [SDV.NEU.PC]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC]/Psychology and behavior, Physical activity, Older adults, Loneliness, [SCCO.NEUR]Cognitive science/Neuroscience, [SHS.EDU]Humanities and Social Sciences/Education, [SCCO.PSYC]Cognitive science/Psychology, [SHS.PSY]Humanities and Social Sciences/Psychology, [SDV.NEU.SC]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC]/Cognitive Sciences, Isolation
Abstract: International audience; Physical and social activities should be included in an efficient e-coaching for older adults and immersive virtual reality (IVR) is efficient if behavioral changes are transferred to the real physical world. In an experiment con-ducted with 42 older adults (63-85 years-old), participants were asked to interact with a specific immersive virtual reality (IVR) daily for 4 months in their homes, at least 15 minutes per day. Results demonstrate several positive impacts related to the use of the IVR (decrease of weight, decrease of waist circumference, number of steps outside) even if the time spent to use this IVR system decreases. So, the transfer from the IVR to the real world is very encouraging.
Published: 2022

47. Simulating Upper Body Exoskeleton on a Digital Human Model

Author: Oliveira Souza, Alexandre, Michenaud, Jean, Lartot, Raphaël, Grenier, Jordane, Charpillet, François, Maurice, Pauline, Ivaldi, Serena, SAFRAN Electronics & Defense, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: Exoskeleton, Physics-based Simulation, QP Control, [INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO], Dynamic Simulation
Abstract: International audience
Published: 2022

48. Torque prediction for active exoskeleton control using ProMPs

Author: Lartot, Raphaël, Michenaud, Jean, Souza, Alexandre, Maurice, Pauline, Ivaldi, Serena, Charpillet, François, Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment (LARSEN), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), and SAFRAN Group
Subjects: active exoskeleton, ProMPs, movement prediction, Digital human simulation, [SPI.AUTO]Engineering Sciences [physics]/Automatic
Abstract: International audience
Published: 2022

49. Inferring Epsilon-nets of Finite Sets in a RKHS

Author: Moniot, Antoine, Chauvot de Beauchêne, Isaure, Guermeur, Yann, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Machine Learning and Computational Biology (ABC), Department of Algorithms, Computation, Image and Geometry (LORIA - ALGO), and Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], RKHS, epsilon-nets, empirical inference, hierarchical agglomerative clustering
Abstract: International audience; We introduce a method to derive epsilon-nets of finite sets. It operates in a reproducing kernel Hilbert space. Its principle combines two well-known tools of empirical inference: the hierarchical agglomerative clustering and the computation of minimum enclosing balls. It produces epsilon-nets whose cardinalities are smaller than those obtained with state-of-the-art methods.
Published: 2022

50. Investigating ADR mechanisms with Explainable AI: a feasibility study with knowledge graph mining

Author: Emmanuel Bresso, Pierre Monnin, Cédric Bousquet, François-Elie Calvier, Ndeye-Coumba Ndiaye, Nadine Petitpain, Malika Smaïl-Tabbone, Adrien Coulet, Computational Algorithms for Protein Structures and Interactions (CAPSID), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence & Robotics (LORIA - AIS), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy), Knowledge representation, reasonning (ORPAILLEUR), Department of Natural Language Processing & Knowledge Discovery (LORIA - NLPKD), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Orange Labs [Belfort] (Orange Labs), France Télécom, Laboratoire d'Informatique Médicale et Ingénierie des Connaissances en e-Santé (LIMICS), Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Université Sorbonne Paris Nord, Centre Hospitalier Universitaire de Saint-Etienne [CHU Saint-Etienne] (CHU ST-E), Nutrition-Génétique et Exposition aux Risques Environnementaux (NGERE), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL), Centre Régional de PharmacoVigilance de Lorraine (CRPV Lorraine), Health data- and model- driven Knowledge Acquisition (HeKA), Inria de Paris, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche des Cordeliers (CRC (UMR_S_1138 / U1138)), École Pratique des Hautes Études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Université Paris Cité (UPCité)-École Pratique des Hautes Études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Université Paris Cité (UPCité), ANR-15-CE23-0028,PractiKPharma,Confrontation entre connaissances de l'état de l'art et connaissances extraites de dossiers patients en pharmacogénomique(2015), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Natural Language Processing & Knowledge Discovery (LORIA - NLPKD), Orange Labs, ANR-15-RHUS-0004,FIGHT-HF,Combattre l'insuffisance cardiaque(2015), Défaillance Cardiovasculaire Aiguë et Chronique (DCAC), Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL), Centre Hospitalier Universitaire de Saint-Etienne (CHU de Saint-Etienne), CRHU Nancy, École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Université de Paris (UP)-École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Université de Paris (UP), Monnin, Pierre, Interactions humain-machine, objets connectés, contenus numériques, données massives et connaissance - Confrontation entre connaissances de l'état de l'art et connaissances extraites de dossiers patients en pharmacogénomique - - PractiKPharma2015 - ANR-15-CE23-0028 - AAPG2015 - VALID, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Sorbonne Université (SU)-Université Paris Cité (UPCité)-École pratique des hautes études (EPHE), Université de Lorraine (UL)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy), Coulet, Adrien, and Combattre l'insuffisance cardiaque - - FIGHT-HF2015 - ANR-15-RHUS-0004 - RHUS - VALID
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], Knowledge graph, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], Drug-Related Side Effects and Adverse Reactions, Explanation, Computer applications to medicine. Medical informatics, R858-859.7, Adverse drug reaction, Mechanism of action, Pattern Recognition, Automated, Molecular mechanism, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Pharmacovigilance, Artificial Intelligence, Machine learning, Explainable AI, Adverse Drug Reaction Reporting Systems, Feasibility Studies, Humans, [INFO.INFO-DB] Computer Science [cs]/Databases [cs.DB], Drug mechanism of action, [INFO.INFO-BI]Computer Science [cs]/Bioinformatics [q-bio.QM], Data mining, Research Article, [INFO.INFO-BI] Computer Science [cs]/Bioinformatics [q-bio.QM]
Abstract: Background Adverse drug reactions (ADRs) are statistically characterized within randomized clinical trials and postmarketing pharmacovigilance, but their molecular mechanism remains unknown in most cases. This is true even for hepatic or skin toxicities, which are classically monitored during drug design. Aside from clinical trials, many elements of knowledge about drug ingredients are available in open-access knowledge graphs, such as their properties, interactions, or involvements in pathways. In addition, drug classifications that label drugs as either causative or not for several ADRs, have been established. Methods We propose in this paper to mine knowledge graphs for identifying biomolecular features that may enable automatically reproducing expert classifications that distinguish drugs causative or not for a given type of ADR. In an Explainable AI perspective, we explore simple classification techniques such as Decision Trees and Classification Rules because they provide human-readable models, which explain the classification itself, but may also provide elements of explanation for molecular mechanisms behind ADRs. In summary, (1) we mine a knowledge graph for features; (2) we train classifiers at distinguishing, on the basis of extracted features, drugs associated or not with two commonly monitored ADRs: drug-induced liver injuries (DILI) and severe cutaneous adverse reactions (SCAR); (3) we isolate features that are both efficient in reproducing expert classifications and interpretable by experts (i.e., Gene Ontology terms, drug targets, or pathway names); and (4) we manually evaluate in a mini-study how they may be explanatory. Results Extracted features reproduce with a good fidelity classifications of drugs causative or not for DILI and SCAR (Accuracy = 0.74 and 0.81, respectively). Experts fully agreed that 73% and 38% of the most discriminative features are possibly explanatory for DILI and SCAR, respectively; and partially agreed (2/3) for 90% and 77% of them. Conclusion Knowledge graphs provide sufficiently diverse features to enable simple and explainable models to distinguish between drugs that are causative or not for ADRs. In addition to explaining classifications, most discriminative features appear to be good candidates for investigating ADR mechanisms further. Supplementary Information The online version contains supplementary material available at 10.1186/s12911-021-01518-6.
Published: 2022

Catalog

Books, media, physical & digital resources

See catalog results

Searchworks

Select search scope, currently: Articles Catalog books, media & more in Jio Institute collections Articles journal articles & other e-resources

Search

Search Constraints

Refine your results

Search Limiters

Topic

Publication Year Range

Language

Journal

Database

Publisher

839 results on '"Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Complex Systems, Artificial Intelligence '

Search Results

Catalog

Select search scope, currently: Articles

Catalog

books, media & more in Jio Institute collections

Articles

journal articles & other e-resources