Démonstrations vidéo
équipe neurocybernétique
Table of content:
- Frustration as a way toward autonomy and self-improvement in robotic navigation. A. Jauffret, M. Belkaid, N. Cuperlier, P. Gaussier, 2013
.
- A robotic architecture relying on multimodal sensory-motor associations performing indoor navigation in interaction with a human teacher A. Jauffret, N. Cuperlier, P. Gaussier, 2013.
.
- Enthorinal grid cells modelling. A. Jauffret, N. Cuperlier, P. Gaussier, 2012
.
- Path following at the "Ecole polytechnique de Palaiseau". A. Jauffret, N. Cuperlier, P. Gaussier, 2011
.
- Sample movie of our outdoor experiments in summer 2006. C.
Giovannangeli, P. Gaussier, V. Victor, B. Siri, 2006 .
- Orientation System in robots: Merging a visual compass with odometry. Route Learning without magnetic compass. C.
Giovannangeli, P. Gaussier, V. Victor 2006.
- HRI (Human-Robot Interaction) for the learning of behavioral attractor, C.
Giovannangeli, P. Gaussier, 2006.
- Dynamical navigation in indoor and outdoor environment, with
obstable avoidance, robust to visual disturbances, and without
panoramic image building, C.
Giovannangeli, P. Gaussier, 2005.
- Autonomous goal discovery and navigation; B. Talavera, P. Gaussier, 2000.
- Robust homing behaviour; C.
Joulain, P. Gaussier, 1997.
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).
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).
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.
(Expériences réalisées par B. Talavera)
Retour
these
