Projets

Encadrant: Nicolas Bredeche, Institut des Systèmes Intelligents et de Robotique
Groupe de 4 personnes

Le Pogobot est un robot de petite taille développé à l'ISIR pour mener des expériences de robotique en essaim. Ce robot fait environ 5 cm de diamètre et se déplace à environ 10 cm/sec. Les Pogobots communiquent entre eux grâce à des émetteurs/récepteurs infrarouge placés tout autour du robot. Les Pogobots peuvent être programmés en langage C avec une API dédié. Il s'agit d'un projet open source et open hardware.

Mots clés : apprentissage par renforcement, buts, BBRL, XPAG, python

Résumé : Dans ce projet, les étudiants commenceront par s’inspirer de la librairie XPAG pour étendre la librairie BBRL avec la capacité à apprendre des politiques conditionnées par des buts et y intégreront le mécanisme d’Hinsight Experience Replay (HER). Dans un second temps, ils compareront la performance d’une optimisation basée sur HER à des méthodes évolutionnaires pour trouver une population de politiques diverses et performantes.

Sujet développé :

Un problème d’allocation de ressources consiste à répartir des ressources entre des agents en tenant compte des préférences de chacun sur les ressources. Ces problèmes sont très fréquents dans la vie quotidienne : allocation d’UE ou d’université à des étudiants, partage de denrées alimentaires entre des centres de distribution, partage de tâches entre des machines ou des robots, partage de biens lors d’une succession ou d’un divorce…

Contexte du projet

L’équipe A-Eye représentera Sorbonne Université pour le Cybathlon-VIS.

Le cybathlon est une compétition scientifique et technologique visant démontrer l’apport des technologies pour des situations de handicap.

Dans le cadre d'un robot roulant intelligent et autonome,
fonctionnant en laboratoire sur un espace routier,
Il s'agit de développer et tester des conduites particulières pour ce robot.
Pour les tests, une interface graphique et dynamique, type waze, sera développée pour :
-1- visualiser la route et le comportement du robot roulant se déplaçant

Les Simulations multi-agents utilisent avec succès les Systèmes Multi-Agents pour modéliser et simuler des systèmes complexes, comme une économie, une société, un système écologique (biodiversité et climat).

Cependant il est souvent difficile d’interpréter les résultats d’une simulation, et d’en suivre le déroulement, notamment lorsque le nombre d’agents est important (plusieurs dizaines de milliers). La visualisation d’une simulation multi-agents est d’ailleurs un véritable sujet de recherches.

Dans ce projet, nous souhaitons proposer une méthode pour analyser et visualiser les simulations multi-agents.

Titre: Fitts 2.0

Mots clés
Interaction Humain-Machine (IHM); Psychologie cognitive

== Objectif ==
En IHM, on évalue la performance de nouveaux périphériques ou techniques d'interaction de pointage (e.g. sélectionner une cible avec un nouveau type de controleur en Realité Virtuelle) avec une expérience appelée expérience de Fitts. On a récemment développé un nouveau protocole qui promet une évaluation similaire à la loi de Fitts, mais avec un temps d'expérience nettement réduit, qui s'appuie sur un nouvau modèle théorique.

Le projet consiste à améliorer la technique de déplacement d'un robot roulant
émulant un véhicule sur un espace routier
en exploitant des informations géométriques concernant la sinuosité de la route
et en développant des techniques d'apprentissage profond tirant partie de ces informations.

L’objectif de ce projet est d’implémenter le modèle MAGAM (un modèle générique pour l'adaptation multi-aspects) et de le connecter au modèle BKT.
<strong>MAGAM</strong> est un modèle générique permettant l'adaptation et la personnalisation dans des environnements d'apprentissage (jeux sérieux, plateforme d’apprentissage, exercices et tests, etc.) suivant plusieurs aspects (didactique, motivationnel, ludique, etc.) caractérisant les apprenants.

Il s'agit d'un projet dans le domaine des humanités numériques. L'objet est de perfectionner un outil d'identification et d'indexation d'entités nommées par construction d'un dictionnaire d'alias, puis détection et étiquettage des ambiguités, dans un corpus important et structuré de textes.