Démonstrations vidéo

équipe neurocybernétique



Table of content:

Translation of the following text will come soon.

Navigation visuelle

L'obtention du panorama utilisé pour la navigation est obtenu par rotation de la caméra CCD
du robot. Le tube vertical à l'arrière du robot contient la boussole du robot (la précision de la boussole
nécessaire au bon fonctionnement du robot est de +/- 30 degrés). La boussole n'est pas absolument
nécessaire au bon fonctionnement des expériences (un objet visuel particulier peut être utilisé
comme référentiel ou encore une direction "absolue" peut être reconstruite par apprentissage - voir articles).

panorama robot utilisé pour la navigation visuelle  

1er cas navigation vers un lieu appris de manière forcée

La figure ci dessous montre les 3 lieux appris (P1, P2 et P3) par notre
robot ainsi que les 3 actions qui leur sont associées. Ce simple apprentissage
suffit à garantir un retour au but quelque soit le point de départ
dans la pièce (voir les vidéos).

apprentissage sensori-moteur réseau de neurone utilisé




tests de retour à un "lieu" appris (cas simples)

tests de retours à un "lieu" appris après introduction d'obstacles

test de la robustesse de la navigation  aprèsdéplacement d'objets

Le robot peut retourner vers un endroit appris même si la moitié de son champs de vision
est obstruée par des obstacles (personnes dans la pièce) ou si des objets ont été déplacés.
La robustesse du système est liée au fait que l'on ne cherche jamais à reconnaître un lieu.
Seul le niveau d'activation relatif de chaque cellule de lieu compte. Ainsi le déplacement
d'un objet utilisé par le système de vision induit une diminution de la réponse de toutes les cellules
de lieux concernées mais leur rang dans la compétition n'a pas modifié tant qu'une
majorité d'amers reste bien reconnue (le système apprend entre 20 et 30 vues locales ou amers
dans un panorama).

Le réseau de neurone s'exécutait sur un PENTIUM 120 MHz.

(expériences réalisées par C. Joulain)

2eme cas découverte de lieux "buts" par exploration aléatoire

Dans cette série d'expériences, le robot ne connaît au départ rien
de son environnement. Il l'explore aléatoirement et se contente d'éviter
les obstacles. Les lieux "buts" correspondant à la satisfaction de 2 motivations
différentes sont matérialisés par des feuilles de papier de couleur
particulière collées au sol. Les feuilles sont détectées par un capteur
placé sous le robot. Il faut que le robot passe parfaitement dessus l'une des
feuilles pour que la détection ait lieu. La détection entraîne la satisfaction
du besoin associé et le déclenchement de la procédure d'apprentissage
si le lieu n'était pas connu.

Découverte et apprentissage des associations sensori-motrices permettant de rejoindre des lieux buts


Notre robot ne peut pas les percevoir visuellement
car il n'utilise pas la couleur et travaille en basse résolution (d'autre part
la feuille de papier n'est plus visible lorsque le robot est à moins
de 60 cm - elle passe en dessous du champs de vision de la caméra).
puis navigation entre ces 2 lieux en fonction du niveau de certaines
variables internes simulant l'équivalent de la "faim" et la "soif".

expérience 1 (navigation autonome entre 2 lieux appris)

Expérience 2 (navigation autonome entre 2 lieux appris, modification de l'environnement)



L'apprentissage permet ainsi de réaliser des bassin d'attraction autour de chaque but qui
"attirent" le robot en son centre. La taille des bassins d'attraction peut être modulée
par l'association à une motivation.

modification de la forme des puits de potentiel appris grace aux associations perception/action
 

(Expériences réalisées par B. Talavera)


Retour
these