La préhension par bras robotique via l'intelligence artificielle (IA) est un domaine en plein essor dans le domaine industriel, logistique ou assistance médicale, combinant des aspects de la robotique, de la vision par ordinateur et de l'apprentissage automatique. Les défis de la préhension sont :1 Objets inconnus ou en désordre. 2 Environnements non structurés et dynamiques. 3 Temps de la reconnaissance et la préhension non optimisé. Les progrès dans l’apprentissage profond et l'intégration de capteurs avancés permettent d'améliorer la préhension robotique par l’utilisation de :1. La reconnaissance d’objets. 2. La planification du mouvement. 3. Le contrôle de la force et de la précision de la manipulation. 4. L’analyse en temps réel des données. Comment optimiser la précision et la robustesse de la préhension en utilisant l’IA, tout en garantissant l'adaptabilité aux incertitudes de l’environnement ? Dans cette thèse, nous proposons une nouvelle méthode de reconnaissance des gestes de préhension basée sur la vision par ordinateur et l’apprentissage profond pour identifier avec précision la position de l’objet et prédire la préhension grâce à des réseaux neuronaux convolutionnels profonds. Pour cela, un système de réseau de reconnaissance de bout en bout capable de reconnaitre et de localiser la position de l’objet cible directement à partir d’images d’entrée et d’effectuer une prédiction de la pose de préhension est proposé. Nous validons note approche de vision 3D et d’IA dans un environnement de préhension réel d’objets complexes via un bras robot EPSON.
Lulu Li (Thu,) studied this question.