Search

The National Research Council of Canada (NRC) is committed to supporting the scale ai cluster's goals through its Artificial Intelligence for Logistics program, which includes convener support in supply chain and logistics. The program also provides R&D expertise focused on next-generation technology issues to ensure Canadian excellence in logistics for the longer term. Using its national reach, the NRC program is creating linkages between stakeholders, and enabling the advancement of the technologies and firms that will make supply chain and logistics excellence a competitive advantage for Canada., Le Conseil national de recherches du Canada (CNRC) s'est engagé à appuyer les objectifs de la grappe scale ai par l'entremise de son programme Intelligence artificielle au service de la logistique, reliant des organisations dans les domaines de la chaine d'approvisionnement et de la logistique. Le programme tire parti d'une expertise en R-D axée sur les enjeux technologiques de la prochaine génération afin d'assurer l'excellence de la logistique canadienne à long terme. Fort de sa portée nationale, le programme crée des liens entre les intervenants et permet l'avancement des technologies et des entreprises qui fera de l'excellence dans la gestion de la chaîne d'approvisionnement et de la logistique un avantage concurrentiel pour le Canada.

International audience; Elaborer des systèmes robotiques à partir d'origamis constitue une approche en rupture dans la manière de concevoir, de réaliser et d'utiliser un robot. Cet impact concerne la robotique de manipulation comme de locomotion, en disposant de robots personnalisables et ayant de grandes capacités d'adaptation. Dans cet article, un tour d'horizon complet de la robotique à base d'origami est proposé. Sur le plan applicatif, l'accent est mis en particulier sur les robots mobiles à locomotion multimodale. Les performances de ces robots sont liées à la capacité à concevoir, produire, modéliser et commander des structures origami avec actionnement intégré. Ces différents volets sont donc traités. La robotique basée sur les origamis est une voie de recherche interdisciplinaire à l'interface entre la mécanique, la science des matériaux et la robotique. L'article souligne les limites actuelles et problématiques ouvertes posées dans ces disciplines par la réalisation de robots origamis.

The goal of this thesis is to develop methods for recovering the 3D configuration of scenes containing rigid objects and articulated robots with known 3D models using one or multiple RGB images as inputs. We consider the following challenging scenes and visual conditions: (i) textureless and/or symmetric objects (ii) robot arms with several degrees of freedom, (iii) scenes imaged under challenging conditions (e.g. viewpoint or illumination) and (iv) objects or robots partially occluded.The key contributions of this thesis are as follows. First, we introduce a method for identifying a variable number of objects in a robot’s workspace and estimate the 2D coordinate of the object’s centroids in the robot coordinate frame. Our approach does not require extrinsic camera-to-robot calibration. Second, we propose a method for efficiently solving the planar rearrangement planning problem. We propose a discrete action parametrization of this problem, and efficiently apply Monte-Carlo Tree Search (MCTS) to solve it. Third, we introduce a novel learning-based method for 6D pose estimation of rigid objects with known 3D models. Our approach relies on the render-and-compare strategy. We introduce innovations of the training loss and rotation parametrization to explicitly handle object symmetries and achieve stable training. We train our approach on synthetic data using heavy image augmentations and show the crucial importance of data augmentation for the trans- fer to real scenes. Fourth, we introduce an approach for multi-view multi-object 6D pose estimation. We introduce a novel object-level RANSAC strategy to jointly estimate relative camera poses and find correspondences between single-view pose hypotheses. Poses of all objects and cameras are jointly refined by solving an object-level bundle adjustment problem. Fifth, we develop an approach to estimate the pose of novel objects, i.e. objects unseen during training, but for which the 3D model is available at test time. We introduce a scoring network for finding the best initial estimate among a set of coarse hypotheses, and design a network for iterative refinement where the object shape and coordinate system are implicitly provided as inputs. The model is trained on a novel large-scale synthetic dataset displaying thousands of different objects in challenging visual conditions. Finally, we introduce a method for estimating the 6D pose and joint angles of an articulated robot. We extend the render-and-compare strategy to handle robots with several degrees of freedom. We show the crucial importance of robot parametrization in this problem, and propose an effective strategy that is independent of the robot.The methods presented in this thesis advance the state-of-the-art on existing datasets and benchmarks for object and robot pose estimation. For known rigid objects, our single-view approach CosyPose is the winning entry in the BOP Challenge 2020. Our approach for unseen objects, MegaPose, achieves similar performance while not requiring the objects to be known in advance for training, paving the way for real applications where rapid deployment is key.; L’objectif de cette thèse est de développer des méthodes permettant d’estimer la configuration 3D de scènes contenant des objets rigides et des robots articulés dont les modèles 3D sont connus, en utilisant une ou plusieurs images RGB en entrée. Nous considérons les scènes difficiles et les conditions visuelles suivantes: (i) des objets sans textures et / ou symétriques (ii) des robots avec plusieurs degrés de liberté, (iii) des scènes imagées dans des conditions difficiles (en terme de point de vue ou d’éclairage) et (iv) des objets ou des robots partiellement occlus.Les principales contributions de cette thèse sont les suivantes. Tout d’abord, nous introduisons une méthode pour identifier un nombre variable d’objets dans l’espace de travail d’un robot et estimer les coordonnées 2D des centroïdes des objets dans le système de coordonnées du robot. Notre approche ne nécessite pas de calibration extrinsèque caméra-robot. Deuxièmement, nous proposons une méthode pour résoudre efficacement le problème de réarrangement. Nous proposons une paramétrisation d’action discrète de ce problème, et appliquons efficacement Monte-Carlo Tree Search (MCTS) pour le résoudre. Troisièmement, nous introduisons une nouvelle méthode basée sur l’apprentissage pour l’estimation 6D de la pose d’objets rigides dont les modèles 3D sont connus. Notre approche repose sur une stratégie de rendu et de comparaison. Nous introduisons des innovations dans le paramétrage de la fonction de coût et de l’orientation de l’objet pour gérer explicite- ment les symétries d’objets et obtenir un entraînement stable. Nous entraînons notre approche sur des données synthétiques en utilisant des augmentations d’images importantes et montrons l’importance cruciale de l’augmentation des données pour le transfert vers des scènes réelles. Quatrièmement, nous introduisons une approche multi-objet multi-vues pour l’estimation de pose. Nous introduisons une nouvelle stratégie RANSAC au niveau des objets pour estimer conjointement les poses relatives des caméras et trouver des correspondances entre les hypothèses de poses prédites dans chacune des vues indépendamment. Les poses des objets et des caméras sont affinées conjointement en résolvant un problème d’optimisation. Cinquièmement, nous étendons notre troisième contribution pour estimer la pose de nouveaux objets, c’est-à-dire des objets inconnus pendant l’entraînement. Nous introduisons un réseau de notation pour trouver la meilleure estimation initiale parmi un ensemble d’hypothèses grossières, et un réseau pour le raffinement itératif où la forme de l’objet et le système de coordonnées sont implicitement fournis en entrée. Les réseaux sont entraînés sur un nouvel ensemble de données synthétiques à grande échelle affichant des milliers d’objets différents dans des conditions visuelles difficiles. Enfin, nous introduisons une méthode pour estimer la pose 6D et les angles articulaires d’un robot articulé. Nous étendons la stratégie de rendu et de comparaison pour gérer les robots avec plusieurs degrés de liberté. Nous montrons l’importance cruciale du paramétrage du robot dans ce problème, et proposons une stratégie efficace et indépendante du robot.Les méthodes présentées dans cette thèse font progresser l’état de l’art sur les benchmarks existants pour l’estimation de la pose d’objets et de robots. Pour les objets rigides connus, notre approche CosyPose est la méthode qui a gagné le BOP Challenge 2020. Notre approche pour les objets inconnus pendant l’entraînement, MegaPose, atteint des performances similaires tout en ne nécessitant pas que les objets soient connus à l’avance pour l’entraînement, ouvrant la voie à des applications où le déploiement rapide est crucial.

L'objectif de cet article est de contribuer à clarifier la notion d’éthique de l’intelligence artificielle (IA). Pour réaliser cette tâche, il examine l’hypothèse que quatre formes de discours sont à l’œuvre, si bien qu’il existe quatre éthiques de l’IA : éthique informatique ; éthique algorithmique, robotique ou artificielle ; éthique digitale ; et éthique des usages de l’IA (ou UX AI ethics). Ces formes sont mises en œuvre par des spécialistes de domaines académiques variés, et elles diffèrent pour plusieurs raisons analysées dans l’article. En clarifiant la nature de chaque discours, en définissant leur régime méthodologique, en délimitant leur portée respective, il est possible de leur adresser un questionnement en regard des finalités généralement assignées à l’éthique. The aim of this article is to contribute to the clarification of the notion of ethics of artificial intelligence (AI). To achieve this task, it examines the hypothesis that four forms of discourse are at work, so that there are four AI ethics: computer ethics; algorithmic ethics; robotic or artificial ethics; digital ethics; and ethics of AI uses (or UX AI ethics). These forms are implemented by specialists from various academic fields, and they differ for several reasons analyzed in the article. By clarifying the nature of each discourse, by defining their methodological regime, by delimiting their respective scope, it is possible to question them with regard to the aims generally assigned to ethics. El objetivo de este artículo es contribuir a aclarar la noción de ética de la inteligencia artificial (IA). Para llevar a cabo esta tarea, se examina la hipótesis de que existen cuatro formas de discurso, de modo que hay cuatro éticas de la IA: la ética informática; la ética algorítmica, robótica o artificial; la ética digital; y la ética de los usos de la IA (o UX AI ethics). Estas formas son aplicadas por especialistas de diversos ámbitos académicos, y difieren por varias razones que se analizan en el artículo. Aclarando la naturaleza de cada discurso, definiendo su régimen metodológico y delimitando sus respectivos ámbitos de aplicación, es posible cuestionarlos en relación con los fines que generalmente se asignan a la ética.

National audience; The instrumentation of housing is a potential for technological and industrial developments identified for more than thirty years, which has progressively displayed several ambitions: from the idea of home automation to that of smart home. This article focuses on the securing of goods and people, particularly considering the case of “frail” people monitoring at home. Two stages of development are reminded and characterized: the nonobtrusive instrumentation of the housing, then the mixing of a coupled instrumentation of the housing and the user. The technological principles are described and it can be concluded that the technologies are ready for a wide and rapid diffusion, if the social organization agrees to meet the needs of 24 h/7 d security surveillance, with all the guarantees that it offers. The article then considers more prospectively the paths of progress that R&D is taking through the implementation of Artificial Intelligence (AI) technologies to model the behavioral and decision-making habits of the user and their integration on a mobile phone. It could be considered, in practice, as an embedded auxiliary robot for decision support, whose function could be complementary and usefully embedded on a companion robot to exploit the capabilities of autonomous and directed mobility.; L’instrumentation de l’habitat est un potentiel de développements technologiques et industriels identifié depuis plus de trente ans, qui a progressivement affiché plusieurs ambitions : de l’idée de domotique à celle d’habitat intelligent. Cet article s’attache au volet « sécurisation des biens et des personnes » en considérant particulièrement le cas de la nécessaire surveillance des personnes « fragiles » à domicile. Deux étapes de développements sont rappelées et caractérisées : l’instrumentation non intrusive de l’habitat, puis le mixage d’une instrumentation couplée de l’habitat et de l’usager. Les principes technologiques sont décrits et l’on peut conclure que les technologies sont prêtes pour une diffusion large et rapide, si l’organisation sociale accepte de répondre aux besoins d’une surveillance sécuritaire fonctionnant 24 h/24, avec toutes les garanties qui s’imposent. L’article envisage ensuite plus prospectivement les chemins de progrès que la R&D est en train d’emprunter via la mise en œuvre des technologies de l’Intelligence Artificielle (IA) pour modéliser les habitudes comportementales et décisionnelles de l’usager et les porter sur le téléphone portable. Celui-ci deviendrait, dans la pratique, un robot auxiliaire porté d’aide aux décisions, dont la fonction pourrait être complémentairement et utilement embarquée sur un robot compagnon pour y exploiter les capacités de mobilités autonomes et dirigées.

Depuis le 18 ème siècle, le monde a connu trois révolutions industrielles. La quatrième révolution industrielle ou l’industrie 4.0 est actuellement en pleine croissance. Cette révolution 4.0 se base énormément sur l’insertion de l’intelligence artificielle dans tous les domaines d’activité. La GRH est l’un des domaines qui a été très impacté par l’IA notamment la phase de recrutement, d’où la naissance du e-recrutement 4.0. Au Maroc, l’e- recrutement 4.0 n’est pas appliqué à 100%.Cependant les chances de réussirson insertion au sein des entreprises et des établissements publics dépendent de la volonté et l’accord du candidat marocain pour être évalué par un robot. Le présent article est articulé autour de trois points principaux ,dans un premier temps nous allons cerner la notion du e-recrutement4.0 ,présenter les principaux axes de recrutement touchés par l’intelligence artificielle et ensuite souligner les avantages et les inconvénients du e-recrutement 4.0, dans un deuxième temps nous allons décrire la situation de déséquilibre de l’offre et la demande en matière d’emploi au Maroc et démontrer la nécessité d’adopter la nouvelle forme de recrutement 4.0 afin de corriger ce déséquilibre, et finalement nous allons établir un questionnaire destiné à 380 candidats en recherche d’emploi afin d’avoir une idée de la perception des demandeurs d’emploi marocains sur l’insertion de l’intelligence artificielle au sein du processus de recrutement.

National audience; Humanoid robotics has been a very active field of research for the past decades, with important contributions in various scientific areas such as control engineering, biomechanics, computer science and mathematics. Nevertheless, performing reliable biped locomotion in generic environments still remains a challenge due to the real-time constraints and non-convexity of the problem. Because of previous technological limits, early works on walking robots have relied on template models and simplified dynamics. Given the steady increase in hardware computing capacities, complex control designs taking into account the whole-body dynamics of the system is becoming possible. On the other hand, predictive control algorithms based on trajectory optimization over a given preview window are proven to be a viableand robust solution for agile locomotion. This thesis aims at implementing a whole-body predictive control frameworkfor generic locomotion on real-world torque-controlled humanoid robots. Our controller was systematically tested on the torque-controlled robot Talos, a heavy humanoid platform with 32 actuated joints. Given the high complexity of the model,the computation frequency of our optimization solver cannot match the low-level control frequency of current robotics systems. To mitigate this issue, a first order feedback policy based on the solver sensitivities has been designed to approximate the high-level optimal command at the actuation frequency. In a second step, a 3-D walking controller for uneven terrain crossing is introduced and discussed. Two different heuristics were used to compute feet trajectories during locomotion: one based on pre-computed splines and one leveraging a height map of the environmentthat penalizes the flying foot velocity with respect to its height. The second heuristic allows to reduce the feet impedance and to perform push recovery in real time. Both heuristics have been combined with a high-level contact planner that generates optimal contact sequences in cluttered environments. Finally, to overcome the inherent non-convexity of planning scenarios with obstacles, a memory of motion was used to warm-start the solver and speed up its convergence.; Depuis plusieurs décennies, la robotique humanoïde s’est révélée être un domaine de recherche très actif avec des contributions importantes dans divers domaines scientifiques tels que l’ingénierie de contrôle, la biomécanique, l’informatique et les mathématiques. Néanmoins, parvenir à générer une locomotion bipède fiable dans des environnements génériques reste un défi en raison des contraintes temps réel du système et de la non-convexité du problème. A cause des limites technologiques présentes il y a quarante ans, les premiers travaux sur les robotsmarcheurs se sont appuyés sur des modèles et des dynamiques simplifiées. Compte tenu de l’augmentation constante des capacités de calcul de nos ordinateurs, des schémas de contrôle plus complexes tenant compte de la dynamique du corps complet deviennent possibles. D’autre part, les algorithmes de contrôle prédictif basés sur l’optimisation de la trajectoire future s’imposent de plus en plus comme une option viable et robuste pour la locomotion agile.Cette thèse vise à mettre en oeuvre une approche corps complet de la locomotion bipède à travers le prisme des méthodes de contrôle predictif. L’approche a été implémentée sur le robot Talos, un humanoïde lourd contrôlé en couple et possédant 32 joints actionnés. Compte tenu de la grande complexité du modèle, la fréquence de recalcul de notre solveur optimal est trop faible par rapport à celle du contrôle de bas niveau des plateformes robotiques actuelles. Pour atténuer ce problème, une politique de rétroaction de premier ordre basée sur les sensibilités du solveur a étéconçue afin d’approximer la commande optimale à la fréquence des actionneurs. Dans un deuxième temps, un contrôleur de marche adapté à la locomotion en terrain accidenté est introduit puis discuté. Deux heuristiques différentes ont été utilisées pour calculer les trajectoires des pieds pendant la marche: la première est basée surdes splines pré-définies, la seconde utilise une carte de hauteur de l’environnement qui pénalise la vitesse du pied en vol par rapport à sa hauteur. La seconde heuristique permet de réduire l’impédance des pieds et d’effectuer des mouvements de rééquilibre après poussée en temps réel. Les deux heuristiques ont été combinéesavec un planificateur de contact de haut niveau capable de définir des séquences de contact optimaux dans des environnements encombrés. Enfin, pour surmonter la non-convexité inhérente aux scénarios de planification comportant des obstacles, une mémoire du mouvement a été implémenter pour initialiser le solveur etaccélérer sa convergence.

Les algorithmes d’apprentissage par renforcement conditionné par les buts apprennent à accomplir des tâches en interagissant avec leur environnement. Ce faisant, ils apprennent à propos du monde qui les entourent de façon graduelle et adaptive. Parmi d’autres raisons, c’est pourquoi cette branche de l’intelligence artificielle est une des avenues les plus promet- teuses pour le contrôle des robots généralistes de demain. Cependant, la sûreté de ces algo- rithmes de contrôle restent un champ de recherche actif. La majorité des algorithmes “d’ap- prentissage par renforcement sûr” tâchent d’assurer la sécurité de la politique de contrôle tant durant l’apprentissage que pendant le déploiement ou l’évaluation. Dans ce travail, nous proposons une stratégie complémentaire. Puisque la majorité des algorithmes de contrôle pour la robotique sont développés, entraî- nés, et testés en simulation pour éviter d’endommager les vrais robots, nous pouvons nous permettre d’agir de façon dangereuse dans l’environnement simulé. Nous démontrons qu’en donnant des buts dangereux à effectuer à l’algorithme d’apprentissage durant l’apprentissage, nous pouvons produire des populations de politiques de contrôle plus sûres au déploiement ou à l’évaluation qu’en sélectionnant les buts avec des techniques de l’état de l’art. Pour ce faire, nous introduisons un nouvel agent à l’entraînement de la politique de contrôle, le “Directeur”. Le rôle du Directeur est de sélectionner des buts qui sont assez difficiles pour aider la politique à apprendre à les résoudre sans être trop difficiles ou trop faciles. Pour aider le Directeur dans sa tâche, nous entraînons un réseau de neurones en ligne pour prédire sur quels buts la politique de contrôle échouera. Armé de ce “réseau de la peur” (nommé d’après la peur de la politique de contrôle), le Directeur parviens à sélectionner les buts de façon à ce que les politiques de contrôles finales sont plus sûres et plus performantes que les politiques entraînées à l’aide de méthodes de l’état de l’art, ou obtiennent des métriques semblables. De plus, les populations de politiques entraînées par le Directeur ont moins de variance dans leur comportement, et sont plus résistantes contre des attaques d’adversaires sur les buts qui leur sont issus., By learning from experience, goal-conditioned reinforcement learning methods learn from their environments gradually and adaptively. Among other reasons, this makes them a promising direction for the generalist robots of the future. However, the safety of these goal- conditioned RL policies is still an active area of research. The majority of “Safe Reinforce- ment Learning” methods seek to enforce safety both during training and during deployment and/or evaluation. In this work, we propose a complementary strategy. Because the majority of control algorithms for robots are developed, trained, and tested in simulation to avoid damaging the real hardware, we can afford to let the policy act in unsafe ways in the simulated environment. We show that by tasking the learning algorithm with unsafe goals during its training, we can produce populations of final policies that are safer at evaluation or deployment than when trained with state-of-the-art goal-selection methods. To do so, we introduce a new agent to the training of the policy that we call the “Director”. The Director’s role is to select goals that are hard enough to aid the policy’s training, without being too hard or too easy. To help the Director in its task, we train a neural network online to predict which goals are unsafe for the current policy. Armed with this “fear network” (named after the policy’s own fear of violating its safety conditions), the Director is able to select training goals such that the final trained policies are safer and more performant than policies trained on state-of-the-art goal-selection methods (or just as safe/performant). Additionally, the populations of policies trained by the Director show decreased variance in their behaviour, along with increased resistance to adversarial attacks on the goals issued to them.

L’imagerie populaire, fortement nourrie par les romans et les films de science-fiction mais aussi par certains combats syndicaux, représente volontiers les robots comme les ennemis de l’homme. Que ceux-ci cherchent à exterminer l’humanité ou soient utilisés par des patrons pour prendre le travail des ouvriers, ils ont généralement le mauvais rôle. Si, au moins le deuxième cas, n’est pas totalement dénué de fondement, il existe également toute une lignée de robots dont la vocation est d’aider l’homme dans ses tâches quotidiennes. Sans le robot, l’homme aurait une position bien plus difficile et le robot, sans l’homme, ne serait qu’une machine sophistiquée mais inutile. Dans cet article, nous verrons comment l’homme et le robot peuvent coopérer pour intervenir dans des milieux difficiles, qu’ils soient industriels ou domestiques, et se simplifier mutuellement la tâche dans des activités quotidiennes. De façon assez paradoxale, le robot, gagnant en intelligence, abandonne son autonomie solitaire pour devenir un cobot, un robot coopératif, un robot compagnon. Popular imagery, strongly inspired by novels and science fiction films but also by certain trade union fights, readily represents robots as the enemies of man. Whether these seek to exterminate humanity or are used by bosses to take jobs from workers, they usually have the wrong role. If, at least, the second case is not completely baseless, there is also a whole line of robots whose vocation is to help man in his daily tasks. Without the robot, the man would have a much more difficult position and the robot, without the man, would be just a sophisticated but useless machine. In this article, we will see how humans and robots can cooperate to intervene in difficult environments, whether industrial or domestic, and mutually simplify the task of daily activities. In a rather paradoxical way, the robot, gaining in intelligence, abandons its solitary autonomy to become a cobot, a cooperative robot, a companion robot.

Parmi les dispositifs illustrant les interactions entre les humains, l’attention peut se porter sur des configurations de jeux, des mises en scènes de jeu, voire leur prolongement dans la description d’interactions entre des joueurs. Il en est de même concernant les relations des humains avec les robots. Ces interactions se singularisent lors d’expérimentations de laboratoire, mais aussi à l’occasion de challenges technologiques. Sous leurs multiples aspects, ces pratiques reposent sur des dispositifs de simulation semblables à des jeux mis en scènes. Dans un premier temps, simuler peut signifier jouer : au sens de la manipulation d’un instrument ou d’un masque, ou selon la représentation d’un rôle ou d’un personnage, telle la participation d’un joueur, certains robots peuvent ainsi pousser les apparences et personnifier l’interaction. Jouer machinalement, distraitement ou arbitrairement avec certains robots correspond à la mise en tension d’enjeux de représentation, du contrôle et de leur individuation, au point de se faire à soi-même illusion et de se tromper soi-même. Dans un second temps, en poussant l’équivoque, jouer peut signifier faire diversion : se divertir pour essayer d’en tirer un avantage, de miser ou de se hasarder sur une situation ou les différentes combinaisons d’un face-à-face, d’une partie ou d’un coup. D’un point de vue méthodologique, cette étude permet la valorisation essentielle de la notion de « jeu ». Son analyse permet ainsi d’envisager la notion de design d’interaction selon la construction de ces rapports de jeu. Ainsi, les interactions avec les robots, introduisent les enjeux de la conception du design de nouveaux rapports interspécifiques. L’étude de la géométrie des rapports d’interaction y est abordée à propos de la relation des protagonistes tels des joueurs de Go et d’échecs, face à des machines capables de relever de nouveaux défis. Véritable préambule au design d’interaction des robots, ces programmations de mouvements stratégiques ou corporels basées sur des expérimentations techniques et sportives touchent aux comportements relatifs à l’attente, à l’attention et aux 2 possibilités de simulation d’intentions chez les robots, à partir de la simulation de postures et de mouvements, considérant les biais artificiels de la connexion. Bien au-delà d’une compilation d’observations soumises à l’interprétation, c’est le dispositif de l’expérience même, face à de nouveaux types d’interactions avec des machines, qui est placé au cœur de cette recherche, espérant qu’elle rende visible tout un monde qui viendra peut-être, et dont les « scènes » primordiales commencent à être soigneusement dessinées. Among devices illustrating interactions between humans, attention can be focused on game configurations, game scenarios, or even their extension in the description of interactions between players. The same is true for the relationship of humans with robots. These interactions stand out during laboratory experiments, but also during technological challenges. In their multiple aspects, these practices are based on simulation devices similar to staged games. At first, “to simulate” can mean “to play” in the sense of manipulating an instrument or a mask, or according to the representation of a role or a character, such as the participation of a player. Some robots can thus push the appearances and personify interaction. Playing mechanically, distractedly or arbitrarily with certain robots corresponds to the tension between issues of representation, control and their individuation, to the point of deceiving oneself. In a second step, by pushing the ambiguity, playing can mean creating a diversion: having fun to try to take advantage of it, to bet or to risk oneself on a situation or the different combinations of a face-to-face, in part or at once. From a methodological point of view, this study allows the essential valuation of the notion of “game”. Its analysis makes possible to consider the notion of interaction design according to the construction of these game relationships. Thus, interactions with robots introduce the challenges of the design of new interspecific relationships. The study of the geometry of interaction relationships is presented there as the relationship of the protagonists such as Go and chess players, facing machines capable of taking up challenges. True preamble to robot interaction design, these programming of strategic or bodily movements based on technical and challenging experiments concerned with elements related to expectation, attention and the possibilities of simulating intentions in robots, from the simulation of postures and movements, considering artificial biases of connection. Far beyond a compilation of observations subject to interpretation, it is the device of the experiment itself, faced with new types of interactions with machines, which is placed at the heart of this research, hope that it makes visible a whole world that may come, and whose primordial “scenes” are beginning to be drawn appropriately.

Le robot industriel, dit encore bras-robot, comme le robot humanoïde, sont des machines anthropomorphes dans le sens où elles empruntent certains traits propres à la structure cinématique du corps humain. Ce sont les caractéristiques de cet anthropomorphisme de réalisation que nous cherchons à mettre en valeur dans cet article, en l’opposant à l’anthropomorphisme de projection en tant que tendance naturelle de notre esprit à conférer des propriétés humaines à des choses non humaines. Cette question de l’anthropomorphisme en robotique est à rattacher, selon nous, à l’intérêt pour le biomimétisme qui favoriserait l’innovation technique et permettrait l’amélioration de certaines technologies actuelles en tirant parti des solutions issues de l’évolution du vivant. Le biomimétisme en robotique se heurte cependant à la difficulté de savoir jusqu’où, et comment, copier la nature pour élaborer des machines au comportement humain. Les difficultés de la robotique humanoïde actuelle illustreraient cette problématique. The industrial robot, also called arm-robot, as well as the humanoid robot, are anthropomorphic machines in the sense that they borrow certain features from the kinematic structure of the human body. It is the characteristics of this anthropomorphism of realization that we seek to highlight in this article, by opposing it to the anthropomorphism of projection as the natural tendency of our mind to confer human properties to non-human things. This question of anthropomorphism in robotics is to be linked, according to us, to the interest for biomimicry which would favor technical innovation and would allow the improvement of certain current technologies by taking advantage of solutions resulting from the evolution of the living. However, biomimicry in robotics faces the difficulty of knowing how far and how to copy nature in order to develop machines with human behavior. The difficulties of current humanoid robotics illustrate this problem.

Recent progress in machine learning has enabled groundbreaking improvements notablyin computer vision, natural language processing, and robotics. Can we go one stepfurther and combine these research fields? This would allow new applications, suchas language-guided robotics, where a robot must follow instructions provided by anoperator.While people learn to follow natural language instructions from their childhood,the same task is difficult for robots. Current challenges include (i) the limited amountof training data, (ii) the multiple levels of reasoning, and (iii) the multi-dimensionalcontinuous action space.The goal of this thesis is to improve language-guided robotics by addressing thesechallenges. We break down the difficulty of language-guided robotics by consideringtwo types of tasks: (i) vision-and-language navigation, where a mobile robot must go toa target location, and (ii) vision-and-language manipulation, where a robotic arm shouldmanipulate objects on a tabletop.Our contributions are the following: (i) we address the scarcity of training dataand develop an efficient pre-training procedure based on the new BnB dataset, (ii) wepropose a hierarchical approach based on the Transformer architecture to encode severallayers of abstractions, and (iii) we propose a new method predicting continuous andmulti-dimensional actions for solving a large number of robotics tasks on a tabletop.Methods developed in this thesis have been tested in photo-realistic simulators and on areal-world robot. They have outperformed the state-of-the-art performance on a dozenof benchmarks.; Les progrès réalisés dans le domaine de l’apprentissage automatique ont permis despercées importantes, notamment en vision par ordinateur, en traitement du langagenaturel et en robotique. Peut-on aller plus loin et combiner ces domaines de recherche ?Cela développera de nouvelles applications, comme la robotique guidée par le langage,où un robot doit suivre les instructions fournies par un opérateur.Alors que les humains apprennent à suivre des instructions dès leur enfance, lamême tâche est difficile pour des robots, et cela pour plusieurs raisons: (i) le manque dedonnées d’entraînements, (ii) les raisonnements faits sur multiples niveaux d’abstraction,et (iii) l’espace d’actions ayant une haute dimension.L’objectif de cette thèse est d’améliorer la robotique guidée par le langage en relevantces défis. Nous décomposons la difficulté de la robotique guidée par le langage enconsidérant deux types de tâches : (i) un robot mobile doit se rendre à un endroit cibledécrit par des instructions ; (ii) les instructions décrivent une séquence d’actions qu’unbras robotique doit opérer sur des objets placés sur une table.Nos contributions sont les suivantes : (i) pour résoudre le manque de donnéesd’entraînement, nous avons développé une procédure efficace de pré-entraînement basésur le nouveau jeu de données BnB, (ii) nous avons construit de nouvelles architec-tures neuronales basées sur une approche hiérarchique pour encoder plusieurs niveauxd’abstractions, et (iii) nous avons proposé une nouvelle méthode pour prédire des actionscontinus et en sur plusieurs dimensions pour résoudre un grand nombre de tâches.

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.

In this thesis, we investigate the problem of automatically reconstructing the 3D dynamic scene depicting a person interacting with a tool in a single RGB video. The objective is to obtain a 3D interpretation of the scene represented by the 3D poses of the person and the manipulated object over time, the contact positions and the contact forces exerted on the human body. This problem is challenging because of occlusions, depth ambiguities and the thin, texture-less nature of the manipulated tools such as the spade or the hammer. The main contributions of this thesis are as follows. First, we introduce an approach to jointly estimate the motion and the actuation forces of the person on the manipulated object by modeling the contacts and the dynamics of the interactions. This is cast as a large-scale trajectory optimization problem by minimizing a set of loss functions integrated over time and summed over person joints and object keypoints. The problem is subject to several constraints based on the laws of physics, which include contact and friction models and the Lagrangian dynamics equation. Second, we develop a method to automatically recognize from the input video the 2D position and timing of contacts between the person and the object or the ground. Instead of modeling contact states as binary variables during optimization, we automatically recognize contacts in the input video using a convolutional neural network (CNN) trained from manually annotated contact data that combine both still images and videos harvested from the Internet, thereby significantly reducing the complexity of the optimization. Third, we validate our approach on a recent video-MoCap dataset capturing typical parkour actions and equipped with ground truth forces and trajectories. We also demonstrate the benefits of our approach on a new dataset of Internet videos showing people manipulating a variety of tools in unconstrained environments. The experiments show that our method improves results on both 3D human pose estimation and 2D object localization, and achieves reasonable force estimates on this data.; Dans cette thèse, nous étudions le problème de la reconstruction automatique en 3D des mouvements d’une personne agissant dans une scène complexe avec un objet, à partir d’une seule vidéo RVB. Nous développons une méthode complète pour établir une correspondance entre les images vidéo 2D et une interprétation 3D de la scène, qui est représentée par les poses 3D de la personne et de l’objet manipulé, les positions des contacts avec l’objet et avec l’environnement, et les forces de contact exercées à ces interfaces. Ce problème est difficile pour de multiples raisons, en particulier, des occlusions, des ambiguïtés de profondeur et des propriétés d’apparence des objets longiligne sans texture tels que la bêche ou le marteau. Les principales contributions de cette thèse sont les suivantes. Dans un premier temps, nous introduisons une approche pour estimer conjointement le mouvement et les forces impliqués dans la vidéo en formulant un problème d’optimisation avec contrainte de trajectoire minimisant une fonction de perte, composite, intégrée dans le temps. Les variables de décision de ce problème sont les trajectoires de la personne et de l’outil qu’il manipule, ainsi que les forces d’interaction entre la personne, l’outil et l’environnement. Les variables permettent une modélisation physique de la scène, du mouvement des corps sans l’action des faces aux points de contact. Les fonctions de perte portent sur les articulations de la personne et les points clé de l’objet en cherchant à minimiser la vraisemblance des observations dans l’image. Le problème est soumis à plusieurs contraintes exprimant les lois de la mécanique, qui incluent les modèles de contact et de frottement et l’équation dynamique lagrangienne. Deuxièmement, nous développons une méthode pour reconnaître automatiquement à partir de la vidéo d’entrée la position 2D et les instants de contact entre la personne et l’objet ou le sol. Pour ce faire, nous proposons de reconnaître automatiquement les contacts dans la vidéo d’entrée à l’aide d’un réseau neuronal convolutif (en anglais CNN) entraîné à partir de données de contact annotées manuellement qui combinent à la fois des images fixes et des vidéos récoltées sur Internet. Ainsi, au lieu de modéliser les états de contact en tant que variables binaires lors de l’optimisation, nous conservons un problème d’optimisation de trajectoire sans variable mixte binaire, d’une complexité algorithmique acceptable, tant en permettant à la reconstruction de s’adapter à des changements de contact complexes sans connaissance préalable. Troisièmement, nous validons expérimentalement notre approche sur un jeu de données vidéo-MoCap récent capturant des actions typiques de parkour et équipé de forces et de trajectoires de vérité au sol. Nous démontrons également les avantages de notre approche sur un nouvel ensemble de données de vidéos Internet montrant des personnes manipulant une variété d’outils dans des environnements sans contraintes. Les expériences montrent que notre méthode améliore les résultats à la fois sur l’estimation de la pose humaine 3D et la localisation de l’objet 2D, et réalise des estimations de force raisonnables sur ces données.

The goal of this thesis is to develop models, representations and learning algorithms for the automatic acquisition of visually-guided robotic skills from demonstrations and for object localization.We first introduce a method to acquire robotic skills from demonstrations by learning a vocabulary of basic skills with behavioral cloning. Skills are then combined with a planning policy learned with reinforcement learning in order to perform more complex tasks. We show successful transfer of multiple tasks from simulation to a real robot by using a method developed in this thesis optimizing a sequence of data augmentations on synthetic data to solve a proxy object localization task on real data.We then focus on sensor-based motion planning and propose an approach leveraging the knowledge of surrounding obstacles observed with a camera to accelerate the finding of collision-free paths. The learned representation generalizes across a large variety of objects, and the planning policy can handle new environments with dynamically moving obstacles.While visually-guided policies learn task-centric image representations from control supervision, another line of work consists in learning object-centric representations that can be plugged into classical robotics methods. Object-centric approaches rely on a segmentation backbone for which we propose the following contributions.Towards this goal we propose a transformer-based semantic segmentation model that leverages global context of the image at every stage of the model and show state-of-the-art results when compared to convolution-based approaches on classical benchmarks. Our segmentation model presents two limitations, it localizes a pre-defined set objects and requires dense annotations to be trained, which limits its scalability to large datasets. To address these limitations, we propose a method that segments an open set of visual concepts defined by natural language and does not require pixel-level supervision. Our method learns to localize objects by using image-level labels such as the presence of an object in the image; Le but de cette thèse est de développer des modèles, représentations et méthodesd’apprentissage pour l’acquisition automatique de compétences robotiques guidéespar la vision à partir de démonstrations, ainsi que la localisation d’objets.Nous présentons tout d’abord une méthode pour l’acquisition de compétences robotiques à partir de démonstrations. Un vocabulaire de compétences élémentaires estappris avec de l’apprentissage de politiques par imitation. Les compétences sontensuite combinées avec une politique de planification apprise par renforcement afinde réaliser des taches plus complexes. Nous montrons sur plusieurs taches que lapolitique entrainée en simulation transfère sur un robot réel. Pour ce faire, nousavons développé une méthode qui optimise des séquences d’augmentations de données synthétiques afin de résoudre une tache auxiliaire de localisation d’objets surdes données réelles.Nous proposons ensuite une méthode de planification de mouvements à partir decapteurs. Notre méthode exploite la connaissance des obstacles environnants pouraccélérer la recherche de chemins sans collision. La représentation apprise généralisesur une grande variété d’obstacles et la politique de planification fonctionne sur denouveaux environnements avec des obstacles se déplaçant de manière dynamique.Alors que les politiques guidées par la vision apprennent des représentations visuellesà partir du contrôle, une autre approche consiste à apprendre des représentationsvisuelles centrées sur les objets à manipuler. Une fois que la localisation d’un objetest estimée, elle est ensuite intégrée à des contrôleurs robotiques classiques. Lesreprésentations centrées sur les objets reposent sur des méthodes de segmentationque nous proposons d’améliorer avec les contributions suivantes.Nous introduisons une méthode de segmentation sémantique basée sur les transformers qui exploite l’information globale contenue dans une image à toutes les couchesdu modèle. Nous obtenons des résultats état de l’art et montrons l’avantage denotre modèle comparé à des réseaux de convolution. Notre méthode de segmentation présente deux limitations, le modèle localise des objets qui sont prédéfinis etson entrainement nécessite des images annotées pour chaque pixel. Pour remédier à ces limitations, nous présentons une méthode qui segmente des objets définis à partir d’une description texte et ne nécessite pas de supervision au niveau des pixels.Notre méthode apprend à localiser des objets en utilisant des annotations au niveaude l’image uniquement comme la présence ou l’absence d’un objet dans l’image.

La préservation de la vie fait partie des enjeux les plus grands pour lesquels toutes les sciences ou presque, ont toujours travaillé depuis la fin de la deuxième guerre mondiale. Et aujourd'hui où plus que jamais se sont révélés de nouveaux défis dans l'ensemble des secteurs vitaux pour l'humanité, les Technologies de l'Information et de la Communication (TIC), notamment l'intelligence artificielle, se trouvent de plus en plus sollicitées. Et pour répondre aux impératifs de survie et de facilitation des conditions d'existence, les hommes ne manquent pas d'ingéniosité. Un espace où la résolution des défis prend tout son sens est celui de l'homme en état d'urgence sanitaire vitale, qu'il faut évacuer vers un centre hospitalier mieux équipé pour une prise en charge plus efficace. Nonobstant les règles universelles de circulation routière qui font de l'ambulance un véhicule prioritaire, l'ambulancier de Cotonou subit régulièrement des contingences d'engorgement du trafic, qui privent le malade référé d'un précieux temps porteur de salvation. Cet engorgement routier est malheureusement pointé comme l'une des causes de décès de personnes qui auraient pu être encore sauvées. Si jadis cela pouvait passer inaperçu, les progrès technologiques nous les révèlent aujourd'hui en temps réel. Ainsi, les TIC plus précisément l'intelligence artificielle et ses applications ont montré leur capacité à parer au plus pressé dans un délai court, aux contingences susmentionnées par le biais de capteurs équipés de système de détection de son et d'image, capteurs eux-mêmes monitorés par des algorithmes d'intelligence artificielle. Il s'agit d'un dispositif qui atténuerait les pertes de temps dans la circulation d'une ambulance en transit. Cette technologie peut être mise en place à coût abordable au Bénin pour sauver la vie aux patients en situation d'évacuation sanitaire urbaine et péri urbaine. Keeping on life is one of the greatest challenges for which almost all sciences have always worked since the end of the World War II. Nowadays, when more than ever, new challenges have been taken up in all sectors, Information and Communication Technologies (ICT) and in particular artificial intelligence are increasingly in demand. To overcome these survival necessities and facilitate living conditions, men do not lack ingenuity. One of the space where the resolution of challenges takes on its full meaning is that of man in a state of vital health emergency, who must be evacuated to a better equipped hospital center for effective treatment. But notwithstanding the universal rules of road traffic which makes the ambulance a priority vehicle, the Cotonou ambulance drivers regularly face the contingencies of traffic jam, which deprives the referred patient of precious salvation time. This road congestion is unfortunately pointed out as one of the causes of death of people who could still have been saved. While this could have gone unnoticed in the past, technological progress now reveals it to us in real time. Thus, ICT, precisely artificial intelligence and its applications have shown their ability to deal with the most urgent needs within a fairly short period of time to these aforementioned contingencies through sensors equipped with a sound detection system and image sensors, which are as far as they are concerned monitored by artificial intelligence algorithms. It's a device that would reduce the loss of time for ambulances in transit. This technological progress can be implemented at an affordable cost in Benin to save lives of patients in urban mobility situations La preservación de la vida es uno de los grandes temas por los que todas las ciencias, o casi, han trabajado siempre desde el final de la Segunda Guerra Mundial. Y hoy, cuando más que nunca han surgido nuevos desafíos en todos los sectores vitales para la humanidad, las Tecnologías de la Información y la Comunicación (TIC), en particular la inteligencia artificial, son cada vez más demandadas. Y para hacer frente a los imperativos de supervivencia y facilitación de las condiciones de vida, a los hombres no les falta ingenio. Un espacio donde la resolución de desafíos cobra todo su sentido es el del hombre enfermo en estado de emergencia vital , que debe ser evacuado a un centro hospitalario mejor equipado para una atención más eficaz. A pesar de las normas universales de circulación vial que hacen de la ambulancia un vehículo prioritario, el paramédico de Cotonou sufre regularmente de congestión del tráfico, que privan al enfermo derivado de un tiempo precioso que trae la salvación. Lamentablemente, este atasco de tráfico se señala como una de las causas de muerte de personas que aún podrían haberse salvado. Si esto pudo pasar desapercibido en el pasado, el progreso tecnológico nos lo revela hoy en tiempo real. Así, las TIC, más concretamente la inteligencia artificial y sus aplicaciones, han demostrado su capacidad para hacer frente a las más urgentes en poco tiempo, las mencionadas contingencias a través de sensores dotados de sistemas de detección de sonido e imagen, sensores mismos monitorizados por inteligencia artificial. algoritmos Se trata de un dispositivo que aliviaría el tiempo perdido en el tránsito de una ambulancia en tránsito. Esta tecnología se puede implementar a un costo asequible en Benin para salvar la vida de los pacientes en situaciones de evacuación médica urbana y periurbana.

Reinforcement learning (RL) has seen a fast expansion in recent years of its successful application to a range of decision-making and complex control tasks. Moreover, deep learning offers RL the opportunity to enlarge its spectrum of complex fields. Social Robotics is a domain that involves challenges like Human-Robot Interaction which bears inspiration for development in deep RL. Autonomous systems demand a fast and efficient environment perception so as to guarantee safety. However, while being attentive to its surrounding, a robot needs to take decisions to navigate optimally and avoid potential obstacles. In this thesis, we investigate a deep RL method for mobile robot end-to-end navigation in a social environment. Using the observation collected in a simulation environment, a convolutional neural network is trained to predict an appropriate set of discrete angular and linear velocities for a robot based on its egocentric local occupancy grid map. We compare a random learning way to a curriculum learning approach to ameliorate speed convergence during training. We divide the main problem by analysing separately end-to-end navigation and obstacle avoidance in static and dynamic environments. For each problem, we propose an adaptation that aims to improve the surrounding awareness of the agent. The qualitative and quantitative evaluations of the investigated approach were performed in simulations. The results show that the end-to-end navigation map-based model is easy to set up and shows similar performance as a Model Predictive Control approach. However, we discern that obstacle avoidance is harder to translate to a deep RL framework. Despite this difficulty, using different RL methods and configurations will definitely help and bring ideas for improvement for future work. Förstärkande Inlärning (RL) har sett en snabb expansion de senaste åren för sin fruktbara tillämpning på en rad beslutsfattande och komplexa kontrolluppgifter. Dessutom erbjuder djupinlärning RL möjligheten att utöka sitt spektrum till komplexa områden. Social Robotics är en domän som involverar utmaningar som människa-robot interaktion som bär inspiration för utveckling i djup RL. Autonoma system kräver en snabb och effektiv miljöuppfattning för att garantera säkerheten. Men samtidigt som den är uppmärksam på sin omgivning, måste en robot fatta beslut för att navigera optimalt och undvika potentiella hinder. I detta examensarbete undersöker vi en djup RL-metod för mobil robot-end-to-end-navigering i en social miljö. Med hjälp av observationen som samlats in i en simuleringsmiljö tränas ett faltningsneuralt nätverk för att förutsäga en lämplig uppsättning diskreta vinkel- och linjärhastigheter för en robot baserat på dess egocentriska rutnätskarta över lokala beläggningar. Vi jämför ett slumpmässigt inlärningssätt med läroplansinlärningsmetod för att förbättra hastighetskonvergensen. Vi delar upp huvudproblemet genom att separat analysera end-to-end-navigering och undvikande av hinder i statisk och dynamisk miljö. För varje problem föreslår vi en anpassning som syftar till att agenten bättre förstår sin omgivning. De kvalitativa och kvantitativa utvärderingarna av det undersökta tillvägagångssättet utfördes endast i simuleringar. Resultaten visar att den heltäckande navigationskartbaserade modellen är lätt att distribuera och visar liknande prestanda som en modell för prediktiv kontroll. Vi ser dock att undvikande av hinder är svårare att översätta till ett djupt RL-ramverk. Trots denna svårighet kommer användning av olika RL-metoder och konfiguration definitivt att hjälpa och ge idéer om förbättringar för framtida arbete. L’apprentissage par renforcement (RL) a connu une expansion rapide ces dernières années pour ses applications à une gamme de tâches de prise de décision et de contrôle complexes. Le deep learning offre au RL la possibilité d’élargir son spectre à des domaines complexes. La robotique sociale est un domaine qui implique des défis tels que l’interaction homme-robot, source d’inspiration pour le développement en RL profond. Les systèmes autonomes exigent une perception rapide et efficace de l’environnement afin de garantir la sécurité. Cependant, tout en étant attentif à son environnement, un robot doit prendre des décisions pour naviguer de manière optimale et éviter les obstacles potentiels. Dans cette thèse, nous étudions une méthode de RL profond pour la navigation de bout a bout de robots mobiles dans un environnement social. À l’aide de l’observation recueillie dans un environnement de simulation, un réseau neuronal convolutif prédit un ensemble adapté de vitesses angulaires et linéaires discrètes pour un robot en fonction de sa carte de grille d’occupation locale égocentrique. Nous comparons une méthode d’apprentissage aléatoire à une approche d’apprentissage du curriculum pour accelerer la convergence durant l’entrainement. Nous divisons le problème principal en analysant séparément la navigation de bout a bout et l’évitement d’obstacles dans un environnement statique et dynamique. Pour chaque problème, nous proposons une adaptation visant à ce que l’agent comprenne mieux son environnement. Les évaluations qualitatives et quantitatives de l’approche étudiée ont été effectuées uniquement dans des simulations. Les résultats montrent que le modèle basé sur la carte de navigation de bout en bout est facile à déployer et affiche des performances similaires à celles d’une approche de contrôle prédictif de modèle. Cependant, nous discernons que l’évitement d’obstacles est plus difficile à traduire dans un cadre RL profond. Malgré cette difficulté, l’utilisation de différentes méthodes et configurations RL aidera certainement et apportera une idée d’amélioration pour les travaux futurs.

Après avoir expliqué le rôle d’un dictionnaire électronique dans un système de dialogue intelligent implémenté dans des robots sociaux, nous précisons la modélisation linguistique qui sous-tend le mode d’organisation du dictionnaire. Nous établissons ensuite comment les descriptions grammaticales du dictionnaire contribuent au bon fonctionnement du système. Nous discutons plus particulièrement aux propriétés syntaxiques du lexique prédicatif., We first explain the role of an electronic dictionary in an intelligent dialogue system implemented in social robots. We specify also the linguistic modeling that underlies the mode of organization of the dictionary. Then we establish how the grammatical descriptions of the dictionary contribute to the functioning of the system. We discuss more particularly the syntactic properties of the predicative lexicon.

In this thesis we are interested in the design of robots inspired by non-rigidly foldable origami. Robotic design inspired by origami is growing rapidly due to the original properties offered by these structures. Conventional robotics design tools do not apply to non-rigidly foldable origami. We contribute to provide tools to make the link between this ancestral art and modern robotics. We are particularly interested in the origami "Kresling tower" which has the property of bistability. We propose a model to synthesize this origami-based mechanism, as well as tools to modify its kinetostatic behavior. Finally, we exploit this origami to design a single-rotor exploratory drone.; Dans cette thèse nous nous intéressons à la conception de robot s'inspirant d'origami non rigidement pliable. La conception robotique s'inspirant d'origamis connait un essor qui s'explique par les propriétés originales offertes par ces structures. Les outils de conceptions de la robotique conventionnel ne s'appliquent pas aux origamis non rigidement pliable. Nous contribuons à apporter des outils permettant de faire le lien entre cet art ancestrale et la robotique moderne. Nous nous intéressons particulièrement l'origami "tour de Kresling" qui possède la propriété de bistabilité. Nous proposons un modèle permettant de faire la synthèse de ce mécanisme basé origami, ainsi que des outils pour en modifier le comportement cinétostatique. Enfin, nous exploitons cet origami pour concevoir un drone exploratoire monorotor.

La paralysie cérébrale (PC) spastique est une pathologie qui touche près d’un enfant sur 500 à la naissance. Cette pathologie crée de nombreux problèmes moteurs notamment lors de la marche comme des mouvements involontaires due à une hypertonie musculaire appelée aussi spasticité. Chaque paralysie cérébrale a sa propre sévérité mesurée par différentes échelles. Actuellement, très peu d’aides motrices sont disponibles pour les enfants, le marché des assistances robotisées se focalisant principalement sur les adultes (anthropométrie constante et pathologie peu évolutive).L’objectif du projet EXOKID, dont cette thèse est issue, est donc de permettre à davantage d’enfants atteints de paralysie cérébrale d’avoir accès à un système robotisé à anthropométrie adaptée. Ce système doit pouvoir évoluer en fonction de leur croissance et de l’évolution de leur pathologie afin d’améliorer leur marche tant dans un contexte de rééducation au sein de structures adaptées que dans leur mobilité quotidienne.L’enfant, atteint de cette paralysie cérébrale, doit être pris en charge le plus tôt possible. Le but est de permettre à ce que l’enfant apprenne à marcher : en effet, la plasticité cérébrale des enfants est plus importante que celle des adultes et permet potentiellement à l’enfant d’apprendre rapidement, malgré d’éventuelles lésions cérébrales.Deux sœurs jumelles, dont l’une est atteinte de PC spastique, ont été étudiées. Cette gémellité nous a permis d’avoir des anthropométries proches et d’utiliser les données de la jumelle saine comme référence pour améliorer la marche spastique de sa sœur.Cette thèse s’articule ainsi autour de deux grands champs : la biomécanique et la robotique. Une étude de l’impact de paralysie cérébrale spastique sur la marche humaine a été réalisée. Cette étude a été suivie par une modélisation de la marche spastique et de l’interaction entre un enfant atteint de PC spastique et un exosquelette dans le but d’améliorer la cinématique de l’enfant.Cette thèse a abouti à la modélisation personnalisée d’une marche spastique ainsi que d’un premier contrôle de cette marche, par le biais d’une interaction exosquelette-humain, afin de la faire converger vers une marche plus saine., Spastic cerebral palsy is a pathology that affects nearly one child in 500 at birth.This pathology creates numerous motor problems, particularly when walking, suchas involuntary movements due to muscular hypertonia, also called spasticity. Eachcerebral palsy has its own severity measured by different scales. Currently, very fewmotor aids are available for children, as the market for robotic aids focuses mainlyon adults (constant anthropometry and pathology that does not evolve much). Theobjective of the EXOKID project, from which this thesis stems, is therefore to allowmore children with cerebral palsy to have access to a robotic system with adaptedanthropometry. This system must be able to evolve according to their growth andthe evolution of their pathology in order to improve their walking both in the contextof rehabilitation within adapted structures and in their daily mobility. The child,suffering from this cerebral palsy, must be taken in charge as soon as possible. Theaim is to enable the child to learn to walk : indeed, the cerebral plasticity of childrenis more important than that of adults and potentially allows the child to learnquickly, despite possible cerebral lesions.Two twin sisters, one of whom has spastic PC, were studied. This twinhood allowedus to have close anthropometries and to use the data of the healthy twin as areference to improve the spastic gait of her sister. This thesis is thus articulatedaround two main fields : biomechanics and robotics. A study of the impact of spasticcerebral palsy on human walking was carried out. This study was followed by amodelling of a spastic walking and the interaction between a child suffering fromspastic cerebral palsy and an exoskeleton with the aim of improving the child’skinematics. This thesis resulted in the personalised modelling of a spastic gait anda first control of this gait, through an exoskeleton-human interaction, in order tomake it converge towards a healthier gait.

The objective of this thesis is to plan the motion of an autonomous vehicle so that it can navigate and interact with other moving obstacles without collision in an urban environment. This involves taking into account constraints that may be specific to the vehicle (dynamic, energetic, linked to perception or forecasting systems), relating to the safety and comfort of users or to the environment close to the vehicle. These last depend on the topology of the road, driving rules and other moving actors in the neigborhood of the ego-vehicle. In the context of this thesis, we focused on: (i) the limited or partial perception of the environment close to the vehicle and in particular the presence of static or mobile obstacles hiding part of its neighborhood ; (ii) uncertainty about the prediction of the motion of other agents; (iii) maneuvers to be carried out in urban scenarios where the lanes can be congested with plenty of other static or moving obstacles; (iv) and the respect of the road signs. All these issues have been addressed through geometric approaches by adapting in different ways the principle of path-velocity decomposition introduced by Kant and Zucker (1986). The CARLA simulator has been adapted to validate the proposed approaches on different scenarios reproducing typical situations of interaction with other vehicles in an urban environment, such as, for example, crossing a crossroads with reduced visibility, overtaking a slow or stopped vehicle in its lane, driving in a section of road regulated by traffic lights, etc., L’objectif de cette thèse est de planifier le mouvement d’un véhicule autonome pour qu’il puisse circuler sans collision dans un environnement urbain en présence d’autres obstacles mobiles. Ceci implique la prise en compte de contraintes propres au véhicule (dynamiques, énergétiques, liées aux systèmes de perception ou de prévision), relatives à la sécurité, au confort des usagers et à l’environnement proche du véhicule. Celles-ci dépendent de la topologie de la route, des règles de conduite et des autres acteurs en mouvement dans le voisinage de l’ego véhicule. Dans le cadre de cette thèse, nous nous sommes intéressés plus particulièrement : (i) à la perception limitée ou partielle de l’environnement proche du véhicule et en particulier à la présence d’obstacles fixes ou mobiles occultant une partie de son voisinage proche ; (ii) à l’incertitude sur la prédiction du mouvement des autres agents ; (iii) aux manœuvres à effectuer dans des scénarios urbains où les voies peuvent être encombrées par de nombreux véhicules arrêtés ou en mouvement ; (iv) et au respect de la signalisation. Toutes ces problématiques ont été traitées par des approches géométriques en adaptant de différentes manières le principe de décomposition chemin-vitesse introduit par Kant et Zucker (1986). Le simulateur CARLA a été adapté pour valider les approches proposées sur différents scénarios reproduisant des situations typiques d’interaction avec d’autres véhicules en milieu urbain, comme, par exemple, le franchissement d’un carrefour avec une visibilité réduite, le dépassement d’un véhicule lent ou arrêté sur sa voie, la conduite sur une portion de route réglementée par des feux de circulation, etc.

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.

The goal of SLAM (Simultaneous Localization and Mapping) is to estimate the trajectory of a moving camera while building a map of its environment. Classical algorithm usually build a purely geometrical and homogeneous map, thus there is a semantic gap between the internal representation and the real world in which the system is evolving. Our goal in this manuscript is to build a SLAM system that can harness semantic information to push forward the limits of SLAM. To this end, we first propose a light neural network to estimate the pose of objects in the scene. Objects can serve as high level landmarks for a SLAM system, improving camera pose and adding information into the map. This network however has to be trained for specific objects. We then propose a SLAM system that can create clusters of 3D points corresponding to generic objects in the scene. With some a priori knowledge about object classes we can estimate their geometry in real time to improve both the map and camera pose estimation. Finally we propose new SLAM able to robustly estimate camera pose in dynamic scenes and to estimate the trajectories of all moving objects in the scene. A priori knowledge allows us to constrain the movement of objects to be plausible with respect to the structure of the world. We also propose to improve object tracking by injecting LiDAR data into our SLAM system.; Le but du SLAM (Simultaneous Localization And Mapping) est d'estimer la trajectoire d'une caméra en mouvement tout en cartograhiant l'espace. Les algorithmes classiques construisent généralement une cartographie purement géométrique et homogène, ainsi il y a un écart sémantique entre la représentation interne du SLAM et le monde réel dans lequel le système évolue. Notre but dans ce manuscrit est de construire un système de SLAM pouvant exploiter l'information sémantique pour repousser les limites du SLAM. Dans ce but nous proposons un réseau de neurones léger pour estimer la pose d'objets dans la scène. Les objets peuvent servir de repères haut niveau pour un SLAM, améliorant la pose de la caméra et ajoutant de l'information dans la cartographie. Puis nous proposons un SLAM capable de créer des groupes de points 3D correspondant à des objets génériques dans la scène. En utilisant une connaissance a priori sur la classe des objets nous pouvons estimer leur géométrie pour améliorer la cartographie et la pose de la caméra. Enfin, nous proposons un SLAM capable d'estimer la pose de la caméra dans des scène dynamiques tout en estimant la trajectoire de tous les objets dans la scène. Un a priori sur les objets nous permet de contraindre leur mouvement afin qu'il soit cohérent avec la structure du monde. Nous proposons également d'améliorer le suivi des objets en injectant des données LiDAR dans notre SLAM.

National audience; This thesis explores how to generate paths for legged robot locomotion. One approach to tackle the locomotion problem is its division into three sequential modules: navigation to generate a guide path that the robot has to follow, contact planning along this guide path, and finally the robot whole-body motion. This division greatly reduces the locomotion problem complexity, but raises the critical question of the "feasibility" between the different modules. In this context, this thesis explores the feasibility problem between the navigation and the next modules, in other words: "How to generate feasible paths by the robot?" A naive approach is to use a reduced model of the robot with two conditions: the robot trunk must not collide with the environment, and the robot feet must be able to reach the ground all along the path. But these two conditions are not sufficient to approximate path feasibility. To refine these conditions, another approach is to consider the traversability of the terrain, to generate more likely easier paths for the robot. This thesis explores a different approach that is to learn by reinforcement how to generate feasible paths directly from the contact planner. My contribution is a local steering method, named Leas, which locally navigates the terrain in the desired direction using a height map. Leas learns from the contact planner validation what is a feasible path by it, and consequently adapts its navigation behavior. This steering method has been connected to three contact planners, each having different strategies. I will explain its results and limitations for legged robot locomotion in complex environments.; E but de ma thèse est d’apprendre comment générer des chemins pour la locomotion de robots à pattes. Une approche possible au problème de la locomotion est une division en trois modules séquentiels qui sont: la navigation pour générer un chemin (ou guide) que le robot devra suivre, la planification de ses pas tout le long du chemin, puis enfin le mouvement corps complet du robot pour les réaliser. Cette division permet de réduire la complexité du problème, mais amène la question critique de la "faisabilité" entre les différents modules. Dans ce contexte, cette thèse s'intéresse à la question de la faisabilité entre le module de navigation et les autres modules, autrement dit: "Comment générer des chemins faisables par le robot?" Une approche naïve repose sur un modèle réduit du robot apportant deux conditions: le tronc du robot ne soit pas en collision avec l'environnement, et les pieds du robot doivent pouvoir atteindre le sol tout le long du chemin. Mais ces deux conditions ne sont pas suffisantes pour approximer la faisabilité des chemins. Pour raffiner ces conditions, une deuxième approche est de s'intéresser au concept de traversabilité des terrains, afin de de générer des chemins plus faciles pour le robot. Cette thèse explore une autre approche qui est d'apprendre par renforcement à générer des chemins faisables directement via le planificateur de contact. Ma contribution est une méthode de pilotage, nommée Leas, qui grâce à une carte d'élévation locale navigue le terrain dans une direction désirée. Leas apprend via la validation par le planificateur de contact ce qu'est un chemin faisable par lui, et modifie ses comportements de navigation en conséquence. Cette méthode de pilotage a été connectée à trois planificateurs de contacts ayant des stratégies différentes. Je vais montrer ses résultats et ses limitations pour la locomotion de robot à pattes dans des environnements complexes.

Performing a complex autonomous mission with a multi-robot system requires to integrate several deliberative approaches to perform task allocation, optimization, and execution control. Implementing such a deliberative architecture is a complex task: it requires the developer to master the decision algorithms themselves (e.g., automated planning models), to have a good knowledge of the involved robotic platforms, and to think about how these elements will be assembled as a system architecture. We propose a framework to help designing such deliberative architectures. The framework relies on the concept of a hierarchical structure of actors, each actor managing goals with specific planning or optimization approaches, and delegating sub-goals to other actors.

National audience; The challenges of Industry 4.0 include the development and optimisation of data, product and material flows in production companies. Certain technological building blocks have been defined, notably for the use of automated guided vehicles (AGVs) and other autonomous robots. The Industry 4.0 context is leading more and more to decentralised solutions and local decisions, as centralisation is rapidly showing its limits.Moreover, there is a real difficulty in setting up and deploying fleets of autonomous industrial vehicles (AIVs) because of the acceptability of employees, the location of vehicles, the fluidity of traffic and the perception by vehicles of changing (dynamic) environments. The autonomy of AIVs is therefore reduced to predetermined trajectories. AIVs have to be more and more intelligent and cooperative. This perspective of increased cooperation implies a strong capacity of VIAs to exchange contextual and relevant information on their traffic conditions. The infrastructure can also participate in this cooperation with its communicating elements (beacons, sensors, cameras, etc.) and provide the AIVs with local sources of information about their environment.; Les défis de l’industrie 4.0 portent notamment sur le développement et l’optimisation des flux de données, de produits et de matériaux dans les entreprises de production. Certaines briques technologiques ont été définies, notamment pour l’utilisation de véhicules guidés automatisés (AGV) et autres robots autonomes. Le contexte de l’industrie 4.0 amène de plus en plus vers des solutions décentralisées et des décisions locales, car la centralisation montre rapidement ses limites.De plus, il y a une réelle difficulté de mise en place et de déploiement de flottes de véhicules industriels autonomes (VIA) en raison de l’acceptabilité des employés, la localisation des véhicules, la fluidité du trafic ou encore la perception par les véhicules d’environnements changeants (dynamiques). L’autonomie des VIA est donc réduite à des trajectoires prédéterminées. Les VIA doivent donc être de plus en plus intelligentes et coopératives. Cette perspective de coopération accrue implique une forte capacité des VIA à échanger des informations contextuelles et pertinentes sur leurs conditions de trafic. L’infrastructure peut également participer à cette coopération avec ses éléments communicants (balises, capteurs, caméras, etc.) et fournir aux VIA des sources locales d’information sur leur environnement.