Projets

Mots clefs : apprentissage supervisé, apprentissage profond, robotique, transfert simulation-réalité, saisie d’objets

Nombre suggéré d’étudiants/étudiantes : groupe de 2 à 4

(Se référer au document descriptif pour les références et détails)

-) Enjeux

== Contexte ==

De nombreuses commandes sont disponibles dans nos interfaces mais méconnues et/ou non-utilisées par les utilisateurs. Par exemple, dans un éditeur de photo, un utilisateur peut peindre en noir (commande Pinceau + commande Couleur) des yeux rouges sur une image au lieu de d’utiliser la commande “enlever yeux rouges”. Dans un éditeur de texte, l’utilisateur peut écrire deux fois la meme phrase au lieu d’utiliser la commande Copier/Coller, ou encore mieux la commande “Dupliquer”.

== Objectif ==

Au cours des dernières décennies, la conception et l'analyse des algorithmes étaient basées sur l'analyse du pire cas, où la performance d'un algorithme est caractérisée par sa pire performance sur toutes les instances d'une taille donnée. Cependant, pour de nombreux problèmes, l'analyse du pire cas ne permet pas de prédire les performances des algorithmes en pratique. En effet, dans de nombreux scénarios, l'entrée est loin d'être le pire cas et présente certaines caractéristiques prévisibles.

CONTEXTE. Dans la recherche en Interaction Humain-Machine (IHM), il est plutôt admis que les raccourcis gestuels sont plus performants que les raccourcis claviers. Est-ce vrai?
Quelques études empiriques ont effectivement montré que les raccourcis gestuels étaient plus facile à apprendre que les raccourcis claviers et aussi rapide.

Encadrant: Nicolas Bredeche, Institut des Systèmes Intelligents et de Robotique
Groupe de 4 personnes

Le Pogobot est un robot de petite taille développé à l'ISIR pour mener des expériences de robotique en essaim. Ce robot fait environ 5 cm de diamètre et se déplace à environ 10 cm/sec. Les Pogobots communiquent entre eux grâce à des émetteurs/récepteurs infrarouge placés tout autour du robot. Les Pogobots peuvent être programmés en langage C avec une API dédié. Il s'agit d'un projet open source et open hardware.

Mots clés : apprentissage par renforcement, buts, BBRL, XPAG, python

Résumé : Dans ce projet, les étudiants commenceront par s’inspirer de la librairie XPAG pour étendre la librairie BBRL avec la capacité à apprendre des politiques conditionnées par des buts et y intégreront le mécanisme d’Hinsight Experience Replay (HER). Dans un second temps, ils compareront la performance d’une optimisation basée sur HER à des méthodes évolutionnaires pour trouver une population de politiques diverses et performantes.

Sujet développé :

Un problème d’allocation de ressources consiste à répartir des ressources entre des agents en tenant compte des préférences de chacun sur les ressources. Ces problèmes sont très fréquents dans la vie quotidienne : allocation d’UE ou d’université à des étudiants, partage de denrées alimentaires entre des centres de distribution, partage de tâches entre des machines ou des robots, partage de biens lors d’une succession ou d’un divorce…

Contexte du projet

L’équipe A-Eye représentera Sorbonne Université pour le Cybathlon-VIS.

Le cybathlon est une compétition scientifique et technologique visant démontrer l’apport des technologies pour des situations de handicap.

Dans le cadre d'un robot roulant intelligent et autonome,
fonctionnant en laboratoire sur un espace routier,
Il s'agit de développer et tester des conduites particulières pour ce robot.
Pour les tests, une interface graphique et dynamique, type waze, sera développée pour :
-1- visualiser la route et le comportement du robot roulant se déplaçant