Regroupement de compétences robotiques en compétences plus générales / Adrien Matricon ; sous la direction de Pierre-Yves Oudeyer

Résumé / Abstract : La découverte de contingences sensorimotrices et leur structuration en compétences sont des enjeux importants en robotique. En particulier, on souhaite pouvoir apprendre ainsi des compétences qui soient à la fois riches sémantiquement et aussi générales que possible.Cette thèse s’est intéressée à la question du regroupement de compétences robotiques en compétences plus générales. Après avoir posé formellement les notions que l’on peut trouver dans la littérature de compétence et de compétence paramétrée, nous avons relié les compétences paramétrées aux modèles inverses et nous nous sommes inspirés du dualisme entre modèles directs et inverses pour proposer un formalisme dual, les compétences paramétrées directes.Nous avons ensuite entrepris de déterminer quand il était ou non pertinent de réunir des compétences au sein d’une même compétence paramétrée directe.Le problème est alors ramené à un problème de régression, et des algorithmes s’inspirant du principe du rasoir d’Ockham sont proposés pour y chercher une solution sous la forme d’un mélange d’experts de complexité minimale. Ces algorithmes sont ensuite appliqués à des données de manipulation d’objets en simulation

Résumé / Abstract : The discovery of sensorimotor contingencies and their structurationinto skills are both important topics in the field of robotics. In particular,robots need the ability to learn skills which are both semantically rich and as general as possible. During this thesis, we studied the question of merging robotic skills into more general skills. After formally defining the notions that can be found in the litterature of skills and parameterized skills, we established a link between paramaterized skills and inverse models, then mirrored the dualism between forward and inverse models to propose a dual type of parameterized skills:forward-parameterized skills. We went on to determine when merging skills into a forward-parameterized skill is relevant and when it’s not. The problem is then formulated as a regression problem, and algorithms inspired by the Occam Razor principle are proposed to find a mixture of experts that solves it with minimal complexity. Those algorithms are then applied to simulated object-manipulation data.