Robotique du mouvement : géométrie, optimisation et apprentissage

Résumé¶

Faire bouger un robot suppose de savoir où il se trouve, où il doit aller et comment l'y conduire. Ce cours présente trois grandes approches pour répondre à ces questions. La première est géométrique : le mouvement est décrit comme un chemin dans l'espace des configurations satisfaisant des conditions de faisabilité. La deuxième relève de l'optimisation : le mouvement devient la solution d'un problème de commande optimale sous contraintes, formulation qui a contribué aux progrès en robotique humanoïde des années 2010. La troisième s'appuie sur l'apprentissage : le mouvement est produit par une politique entraînée à partir de données, qui associe une action à chaque observation, reformulation qui a ouvert la voie aux quadrupèdes tout-terrain et aux manipulateurs polyvalents de la décennie actuelle. En présentant ces paradigmes, le cours introduira des notions clés allant des groupes de Lie à l'apprentissage par renforcement, en passant par la physique du contact et l'estimation d'état. Chaque séance sera complétée par un travail dirigé sur machine, et des démonstrations sur robots réels illustreront les avantages et les inconvénients des différentes approches.