## Contexte
La saisie et la manipulation d'objets est un pré-requis à de nombreuses tâches en robotique. Ces tâches soulèvent de nombreuses difficultés pour les algorithmes d'apprentissage machine, en particulier pour les algorithmes d'apprentissage par renforcement, du fait de la rareté des récompenses. La saisie d'un objet, par exemple a peu de chances d'être observée par le biais d'une exploration aléatoire non contrainte. Cela conduit de nombreux chercheurs et industriels à s'appuyer sur des démonstrations faites par des opérateurs humains. Pour éviter cela, l'ISIR a développé, depuis plusieurs années, des algorithmes d'exploration basés sur des algorithmes de Qualité-Diversité (QD) qui permettent de résoudre ce problème pour découvrir des comportements de saisie d'objets (https://qdgrasp.github.io/). Ce projet de M1 s'inscrit dans la perspective d'élargir l'utilisation de ces algorithmes Qualité-Diversité à la découverte d'autres comportements de manipulation d'objets.
## Objectifs
L’objectif de ce projet est de tester les algorithmes QD pour manipuler des objets articulés (portes, tiroirs, ...). Le travail à réaliser consistera à mettre en place des simulations de différents environnements contenant de tels objets et à tester la capacités des algorithmes QD à les manipuler. La mise en place de ces simulation pourra se baser sur des outils de "real-to-sim" comme RialTo (https://real-to-sim-to-real.github.io/RialTo/)
## Encadrement
Mathilde Kappel
Stéphane Doncieux