L’apprentissage de la saisie d’objets en robotique fait l’objet d’une attention croissante depuis plusieurs années, justifiée par les forts enjeux scientifiques et pratiques qui lui sont associés. Si l’environnement est parfaitement déterministe, le problème est relativement simple : il s’agit de commander un bras manipulateur pour atteindre des positions précises, et ouvrir ou fermer le préhenseur. Mais ces approches se limitent à des scénarios très fortement contraints. Malgré les efforts de grands acteurs universitaires et industriels, réaliser de la saisie d’objet en environnement non-contrôlé est une tâche encore irrésolue, et soumise à de nombreuses difficultés.
L’objectif de ce stage est de s’appuyer sur les travaux antérieurs de l’équipe pour générer des bases de données d’exemples de saisies sur différents robots, préhenseurs et objets. A partir de ces bases de données, il s’agit d’extraire des informations liées à la saisie pour identifier des positions pertinentes, puis de réaliser une étude comparative des potentialités de ces méthodes avec d’autres approches de l’état de l’art mettant en jeu des types de modèles divers (DL, CNNs, GPs, GANs, …).