Intégration de réseaux de neurones à décharge sur une plateforme robotique

S’inspirant de la biologie animale et humaine, les réseaux de neurones à décharge (RND) représentent une technologie prometteuse en intelligence artificielle. Les réseaux de neurones artificiels traditionnels mimiquent sommairement les réseaux de neurones biologiques. C’est parce qu’ils imitent mieux les neurones biologiques que les RND pourraient devenir de plus en plus intéressants, surtout que l’avènement de processeurs neuromorphes ou de cartes graphiques qui permettent le traitement en parallèle facilitent la mise en oeuvre de RND. Toutefois, l’absence d’outils facilitant l’implémentation de RND sur des robots rend difficile leur exploitation, ce qui limite la validation de leurs capacités pour améliorer l’intelligence des robots. Par exemple, les RND ne sont pas encore bien adaptés pour s’exécuter sur le système d’exploitation ROS, de loin l’environnement de développement robotique le plus exploité par la communauté scientifique. Ce mémoire propose un nouvel outil, ROS-SNN, qui intègre un RND sur la plateforme ROS1. Il décrit l’outil et présente ses conditions et contraintes de fonctionnement. ROS-SNN propose un format de déclaration standard de RND, ainsi qu’une série d’utilitaires qui permettent de bien convertir et visualiser les données sous forme de graphiques. Des tests dans différentes configurations ont permis d’identifier le temps d’exécution de cycle de RND sur un nano processeur, le Raspberry Pi 3B, permettant d’identifier les conditions pour assurer un traitement satisfaisant les contraintes de traitement temps réel pour une application donnée. La librairie ROS-SNN a aussi été validée sur une nouvelle plateforme robotique, nommée Spike, démontrant la faisabilité de déployer des RND sur un robot