Thèse de Amaury Depierre


Sujet :
Apprentissage profond pour un système de préhension adaptatif

Résumé :

Le dévracage industriel (extraction d’une pièce à partir d’objets empilés) est de plus en plus utilisé dans de nombreux domaines (automobile, alimentaire, traitement des déchets …) et est complexe à automatiser. Un système de dévracage doit en effet pouvoir analyser les données d’un capteur visuel pour en extraire une prise potentielle qui sera ensuite traduite en actions physiques effectuées par le robot. Les approches actuelles fonctionnent mais ont besoin d’être paramétrées par un humain pour chaque objet que l’on souhaite traiter.

Face à l’automatisation croissante de ces tâches, il est nécessaire de réduire au maximum les interventions humaines lors du changement d’objet à traiter. Notre objectif principal est donc d’utiliser des techniques d’apprentissage profond pour permettre au robot d’appliquer ses connaissances acquises sur d’anciens objets à des géométries jamais rencontrées pour le rendre plus autonome.


Encadrant : Liming Chen
Co-encadrant : Emmanuel Dellandréa

Date de soutenance : vendredi, 21 mai, 2021

Jury :
Mr Peters Jan PetersProfesseur(e)TU Darmstadt -FB-Informatik -FG-IAS -Hochschulstr. 10 -64289 DarmstadtRapporteur(e)
Mr Calinon SylvainDirecteur(trice) de rechercheIdiap Research Institute -Centre du Parc -Rue Marconi 19 -CH-1920 Martigny -SwitzerlandRapporteur(e)
Mme Perdereau VéroniqueProfesseur(e)ISIR -4 place Jussieu -CC 173 -75252 Paris cedex 05Président(e)
Mr Grard MatthieuDocteurSiléane -17 Rue Descartes -42000 Saint-ÉtienneExaminateur​(trice)
Mme Sciutti AlessandraChercheurIstituto Italiano di Tecnologia -Via EnricoMelen 83 -Building B -16152 Genova -ItalyExaminateur​(trice)
Mr Dellandréa EmmanuelMaître de conférenceECL LyonCo-directeur (trice)
Mr Chen LimingProfesseur(e)ECL LyonDirecteur(trice) de thèse