Offre de thèse H/F : Perception visuo-tactile et contrôle hybride pour la manipulation robotique

Sujet de thèse :
Les robots sont de plus en plus amenés à quitter les cellules industrielles structurées pour opérer dans des environnements ouverts tels que les ateliers, les entrepôts, les hôpitaux, les habitations ou encore des sites d’intervention extérieurs. Les récents progrès en locomotion à pattes ont montré que les robots peuvent devenir de plus en plus capables de se déplacer dans des environnements complexes. En parallèle, des approches telles que [4] démontre que les modèles vision-langage-action peuvent connecter des descriptions de tâches au niveau du langage, de la compréhension de scènes visuelles et des actions possibles pour le robot. Cependant, la mobilité et les propositions d’actions de haut niveau ne suffisent pas pour être véritablement utiles sur le terrain où les robots ont également besoin de dextérité. Ils doivent être capables de saisir, déplacer, reconfigurer et interagir avec des objets dont la géométrie, les propriétés physiques et les conditions de contact ne sont que partiellement connues.
Ce projet de thèse s’intéresse à la manipulation robotique dans des environnements moins contrôlés, où la manipulation classique d’objets rigides basée principalement sur l’estimation de pose 6D ne constitue qu’une réponse partielle. De nombreux objets rencontrés en pratique sont déformables, articulés, flexibles, partiellement occultés ou soumis à des contacts lors des interactions. Leur état ne peut pas toujours être réduit à une pose rigide : la forme, la géométrie locale, les conditions de contact, la stabilité de la prise, la réponse du matériau peuvent toutes devenir pertinentes pour l’action.
Des revues récentes sur la manipulation robotique de textiles [2], ainsi que des benchmarks sur la sélection de prise tels que [5], montrent que les objets déformables et textiles exposent clairement les limites de la manipulation basée sur la pose. Le robot doit raisonner sur l’évolution de la forme, les contacts et l’observabilité partielle, et non pas seulement estimer une transformation rigide.
C’est là que l’hybridation devient essentielle. Les approches basées sur des modèles apportent structure, cohérence physique et contraintes orientées contrôle, mais elles sont souvent incomplètes lorsque le robot interagit avec des objets dont la géométrie, les propriétés matérielles et les conditions de contact ne sont que partiellement connues. Comme discuté dans [1], les méthodes basées sur les données dites data-driven peuvent apprendre des descripteurs visuels, des états latents, des dynamiques résiduelles ou des a priori d’action à partir de l’expérience, mais elles peuvent nécessiter de grands jeux de données et ne fournissent pas naturellement de garanties de sécurité ou de stabilité. La manipulation en conditions réelles appelle donc des méthodes qui combinent les deux : des modèles pour contraindre et guider l’action, et des données pour s’adapter aux phénomènes difficiles à mod
Voir plus sur le site emploi.cnrs.fr...