Paradigme connexionniste pour l'apprentissage de fonctions robotiques : applications aux problèmes d'asservissement visuel de bras manipulateurs.

Les réseaux connexionnistes que nous présentons dans ce mémoire sont plus particulièrement destinés à l'approximation de fonctions robotiques, et s'inscrivent dans un contexte plus large d'asservissement stéréo-visuel. Ils ne requièrent ni étalonnage du système de vision, ni apport de connaissances a priori sur la géométrie du système, ni la modélisation mathématique des éléments de la boucle de commande, contrairement aux approches classiques. Nous proposons deux types d'approches : la première est basée sur le réseau GTM (Generative Topographie Mapping), hors ligne à variables latentes que nous étendons en lui adjoignant une couche de sortie, ainsi qu'un mécanisme de recrutement, la deuxième sous la forme de plusieurs réseaux de quantification vectorielle. Les réseaux HYPSOM, dans leur forme évolutive, adaptent automatiquement leur structure à la fonction estimée en respectant un critère d'erreur. Une version parallèle fonctionnant sur un système informatique distribué en utilisant le protocole de communication SCI (Scalable Coherent Interface) permet de réduire le temps d'exécution de l'algorithme, tant dans sa phase d'apprentissage, que dans son utilisation. Les réseaux que nous avons développés trouvent leur application dans des tâches d'asservissements visuels robotiques. Ils sont employés pour modéliser la transformation géométrique directe d'un bras manipulateur, en cascade avec un module de reconstruction tridimensionnelle dans le cadre d'un asservissement visuel en position. Le module de reconstruction tridimensionnel permet de reconstruire l'espace cartésien de travail du robot à partir des primitives points extraites des images du système de vision binoculaire. Cet espace est alors utilisé comme espace de commande dans le cadre de la réalisation d'une tâche de coordination sensori-motrice.MULHOUSE-SCD Sciences (682242102) / SudocSudocFranceF