Amélioration des capacités d'interaction des robots parallèles rétro-entraînables par l'apprentissage par renforcement sûr

Description

Motivation:
La robotique entre dans une nouvelle ère où l'interaction physique humain–robot occupe une place centrale. Au-delà des robots industriels, la demande croît pour des machines capables de collaborer de manière sûre et intuitive avec les humains dans les domaines de la santé, de la réadaptation, de la logistique et de la fabrication. Une technologie clé dans cette transition est celle des robots parallèles collaboratifs rétro-entraînables: un système où l'effecteur final est relié à la base par plusieurs chaînes cinématiques indépendantes fonctionnant en parallèle, chacune actionnée par des moteurs à faible frottement et réduction. Ces robots présentent une faible impédance mécanique, ce qui permet aux humains de les guider et de les déplacer aussi naturellement que s'ils travaillaient avec une autre personne.

Au Canada, ces technologies commencent à démontrer un fort potentiel. Des plateformes robotiques rétro-entraînables sont déjà utilisées sur les lignes d'assemblage industrielles, en neuroréhabilitation et en évaluation clinique, où elles soutiennent la fabrication, la récupération post-Accident Vasculaire Cérébral et l'entraînement à la mobilité. Leur adoption croissante crée un terrain fertile pour le déploiement de la prochaine génération d'assistants robotiques conviviaux, offrant aux étudiantes et étudiants et aux chercheuses et chercheurs l'opportunité de façonner la collaboration humain–machine dans les décennies à venir.

Malgré ces avancées, les assistants robots parallèles rétro-entraînables doivent relever plusieurs défis critiques:

- Variation des charges manipulées: (saisir, transporter ou relâcher des objets) qui change la dynamique du système et demande souvent un effort supplémentaire à l'utilisateur;
- Compensation de l'inertie: particulièrement difficile en présence de charges importantes, notamment lorsque celles-ci sont manipulées directement par l'humain;
- Maintien de la rétro-entraînabilité et de la sécurité: afin d'assurer une sensation fluide au toucher même lorsque le robot s'adapte à de nouvelles conditions;
- Capteurs limités ou à latence élevée: incluant une estimation non synchronisée de certains signaux (p. ex. accélération), ce qui affecte la réactivité et la fiabilité.

Objectifs du doctorat:
Ce projet doctoral de 4 ans vise à concevoir et valider des contrôleurs basés sur l'apprentissage par renforcement pour des robots rétro-entraînables, avec un accent particulier sur:

- Développer et étendre un simulateur robotique pour l'entraînement en apprentissage par renforcement;
- Relier la commande basée sur l'apprentissage à la commande classique basée sur des modèles, afin d'améliorer l'interprétabilité et la fiabilité;
- Concevoir un contrôleur adaptatif de compensation de charge utilisant l'apprentissage par renforcement, tout en préservant la sensation naturelle lors de l'interaction humaine (p. ex. faible effort, vibrations minimales et stabilité);
- Intégrer des contraintes de sécurité (p. ex. évitement des singularités, forces d'assistance bornées) au travers de filtres de sécurité à base d'optimisation (p. ex. fonctions de barrière de contrôle) dans l'entraînement et l'exécution de l'apprentissage par renforcement;
- Évaluer la solution sur une plateforme robotique parallèle rétro-entraînable, à la fois en simulation et en conditions réelles, conformément aux normes industrielles (p. ex. ISO 9283, ISO 15066).

Ce que nous offrons:

- Un projet appliqué innovant à la frontière de la robotique, de l'IA et de l'interaction humain–robot;
- Accès aux plateformes expérimentales du Laboratoire de robotique et collaboration avec des experts en apprentissage automatique du Laboratoire de vision et systèmes numériques;
- Opportunités de collaboration internationale et de publication dans les meilleures conférences et revues de robotique;
- Un financement compétitif et l'accès à des équipements de calcul et robotiques à la fine pointe de la technologie.

Exigences et conditions

- Diplôme de maîtrise ou équivalent en robotique, automatique, génie informatique, génie mécanique ou mathématiques appliquées;
- Solide formation en commande robotique, apprentissage par renforcement et optimisation.
- Expérience dans au moins deux (2) des domaines suivants: i) commande et cinématique basée sur modèles, ii) apprentissage par renforcement sûr, iii) robots parallèles;
- Compétences en programmation (Matlab, Python, C++ privilégiés) et familiarité avec les outils logiciels (ROS, PyTorch, Matlab Simulink, etc.);
- Autonomie, créativité et motivation pour relier théorie et pratique en robotique.

Veuillez envoyer vos dossiers de candidature par courriel à hanqing.zhao@gel.ulaval.ca
en mettant clement.gosselin@gmc.ulaval.ca en copie.

Merci d'inclure les documents suivants:
1. Lettre de motivation
2. CV
3. Relevés de notes du baccalauréat et de la maîtrise