s'authentifier
version française rss feed
Fiche détaillée HDR
Université Pierre et Marie Curie - Paris VI (12/07/2011), Philippe Bidaud (Pr.)
Liste des fichiers attachés à ce document : 
PDF
Filliat_HDR.pdf(21.8 MB)
Navigation, perception et apprentissage pour la robotique
David Filliat1, 2

Nous avons mené des travaux de recherche principalement dans les domaines de la navigation, la perception et l'apprentissage pour la robotique mobile. Ces travaux, orientés vers une robotique " cognitive ", ont pour objectif général de per- mettre aux robots de s'adapter à leur environnement, en fournissant les primitives de base telles que l'espace libre, la position ou la présence d'objets nécessaires au choix des actions. Une grande partie de ces travaux sont guidés par une inspi- ration biologique essentiellement fonctionnelle, s'inspirant de capacités trouvées dans la nature, sans chercher à en reproduire précisément le fonctionnement. La navigation, plus particulièrement la cartographie, a été jusqu'à présent le thème principal de nos travaux. Durant notre thèse, nous avons développé une méthode de cartographie utilisant un filtre bayésien, appliqué à une structure de carte et à des perceptions inspirées des connaissances biologiques sur les capacités de navigation du rat. L'intérêt de cette approche est de permettre, à partir de capteurs très simples, une localisation globale durant la cartographie, apportant ainsi une bonne robustesse à la navigation, au prix d'une exploration relativement lente. Cette inspiration biologique s'est ensuite effacée dans les tra- vaux menés à la Direction Générale pour l'Armement ou nous avons participé à la mise en place d'un démonstrateur utilisant des techniques de cartographie classiques à base de télémétrie laser et d'évitement d'obstacles en environnement dynamique. Depuis 2005 à l'ENSTA ParisTech, nos travaux se sont orientés sur les problèmes de navigation topologique, avec une approche de navigation topo- logique par apprentissage dans laquelle un utilisateur désigne les pièces à re- connaître et montre le chemin entre les différentes pièces. Nous avons également développé une approche de cartographie topologique utilisant un algorithme de détection de fermetures de boucles qui permet de détecter le retour d'un robot à une position connue. Enfin, ces travaux se sont maintenant étendus, depuis 2009 dans le cadre du projet ANR PACOM, à la problématique de la cartographie sé- mantique. L'objectif est d'obtenir des modèles de l'environnement contenant des informations de plus haut niveau; en particulier des informations plus proches de celles utilisées par l'humain, telles que les pièces ou les objets présents dans l'environnement. Au niveau de la perception, certains de ces travaux ont fait appel à la télémétrie laser, qui est bien adaptée à la navigation. Ils sont néanmoins axés principalement sur l'utilisation de la vision. En particulier, nous nous sommes intéressés au problème de la représentation de l'information visuelle qui est essentielle pour apporter une robustesse au bruit tout en fournissant l'information nécessaire aux applications. Nous avons ainsi développé une approche incrémentale inspirée des modèles de " sac de mots " visuels que nous avons appliqué à la localisation qualitative, topologique, au guidage visuel et à la reconnaissance d'objets. En collaboration avec Pierre-Yves Oudeyer nous avons étendu cette représentation à la reconnaissance auditive et audio-visuelle. Nous nous sommes également intéressés au problème de la perception active afin d'améliorer les capacités de localisation et d'améliorer la robustesse du guidage visuel. Enfin, la plupart de ces travaux ont fait appel à des méthodes d'apprentissage pour apporter de l'adaptabilité à la localisation, à la cartographie ou à la re- connaissance d'objets. Nous avons principalement travaillé avec des méthodes Bayésiennes et nous avons notamment développé des méthodes actives, permet- tant au robot de sélectionner les exemples d'apprentissage pour améliorer ses performances. Ces méthodes permettent également de profiter d'interactions avec l'utilisateur pour adapter les concepts appris par le robot. Nous les avons appli- quées à la reconnaissance de pièces et d'objets. Nous avons également appliqué la technique de factorisation en matrices non-négatives, une méthode d'appren- tissage non supervisée, pour la reconnaissance audio-visuelle d'objets. Cette der- nière application se place dans le cadre de la robotique développementale où nous cherchons à nous inspirer de l'homme pour créer des méthodes d'apprentis- sage intuitives et à long terme pour la robotique, approche que nous développons actuellement dans le cadre du projet ANR MACSi. Dans la continuité de ces travaux, nous souhaitons poursuivre nos recherches sur le thème de la navigation sémantique et de l'apprentissage pour la percep- tion dans le cadre de la robotique développementale. Ces recherches auront pour objectif commun de fournir au robot ou à son utilisateur des modèles d'environ- nement riches et contenant des informations utiles à l'analyse de la situation ou aux tâches du robot. Ces méthodes s'appliqueront essentiellement dans le cadre de la navigation en milieu intérieur ou urbain et à la robotique de service ou d'assistance, en interaction directe avec l'homme.
1 :  UEI - Unité d'Électronique et d'informatique
2 :  INRIA Bordeaux - Sud-Ouest - FLOWERS
Robotique – Navigation – Perception – Apprentissage
http://www.ensta-paristech.fr/~filliat/papers/Filliat_HDR.pdf

Navigation, perception and learning for robotics
We conducted research mainly in the areas of navigation, perception and learning for mobile robots. These studies, oriented toward a cognitive approach to robotics have the overall goal of allowing robots to adapt to their environment, providing ba- sic primitives such as open space, position, or the presence of objects necessary to choose actions. A large part of this work is inspired by capabilities found in nature, but without trying to reproduce exactly the biological systems inner functioning. Navigation, especially mapping, has so far been the focus of our work. During our PhD thesis, we developed a mapping method based on a Bayesian filter, applied to map structure and perceptions inspired from biological knowledge about the naviga- tion capabilities of the rat (Filliat and Meyer, 2000; Filliat, 2001; Filliat and Meyer, 2002). The advantage of this approach is to allow, from simple sensors, global lo- calization during mapping, providing a good robustness to kidnapping, at the price of a relatively slow exploration. This biological inspiration then disappeared during our work at the Direction Générale pour l'Armement where we participated in the development of a demonstrator using conventional mapping techniques based on la- ser ranging and obstacle avoidance in dynamic environments (Dalgalarrondo et al., 2004). Since 2005, at ENSTA ParisTech, our work has focused on the problem of topological navigation. We developed a learning-based topological approach (Filliat, 2007; Filliat, 2008) in which a user shows the rooms to be recognized and shows the path between the different rooms. We have also developed a topological mapping ap- proach using a loop closure detection algorithm that can detect the return of a robot to previously visited locations (Angeli et al., 2008a; Angeli et al., 2009; Bazeille and Filliat, 2011). Finally, this work has now expanded since 2009 as part of the PACOM (Filliat et al., 2009) project to the problem of semantic mapping (Jebari et al., 2011). The objective is to obtain models of the environment that include higher-level infor- mation, in particular information closer to those used by humans, such as rooms or objects found in the environment. In terms of perception, some of these works have used laser ranging, which is well suited to navigation. However, they are focused primarily on the use of vision. In particular, we investigated the problem of representation of visual information that is essential to provide robustness to noise while providing necessary information to ap- plications. We have developed an incremental approach inspired by the "bag of visual words" model, which we applied to qualitative localization (Filliat, 2007), topological localization (Angeli et al., 2008b), visual guidance (Filliat, 2008) and object recog- nition (Rouanet et al., 2009). In collaboration with Pierre-Yves Oudeyer we have extended this representation to the auditory (Mangin et al., 2010) and audio-visual (ten Bosch et al., 2011) recognition. We also studied the problem of active perception in order to improve localization capabilities (Filliat and Meyer, 2000; Filliat, 2007) and improve the robustness of visual guidance (Filliat, 2008). Finally, most of these studies have used learning methods to provide adaptability to localization, mapping or object recognition. We mainly worked with Bayesian mo- dels and we have developed active methods, allowing a robot to select the training samples to improve its performance. These methods can also benefit from interac- iv tions with the user to adapt the concepts learned by the robot. We applied them to the recognition of rooms (Filliat, 2007; Filliat, 2008) and objects (Rouanet et al., 2009). We also applied non-negative matrix factorization, an unsupervised learning method, for audio-visual recognition of objects (ten Bosch et al., 2011). This last application was developed in the context of developmental robotics, where we take inspiration from humans to create intuitive and long term learning methods, an approach we are currently developing within the MACSi project (Sigaud et al., 2010). In line with this work, we plan to continue our research on the topic of semantic navigation and learning for perception in the context of developmental robotics. This research will seek to provide rich environmental models to the robot or its user. These models will contain useful information for analysing the situation and for the robot tasks. These methods will be mainly applied in the context of navigation in indoor or urban environments and to service or assistive robotics, in direct interaction with humans.

tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...