Objectifs
Mots-clés
Pré-requis et débouchés
Bibliographie, liens, supports
Contrôle de connaissances
 Programmation détaillée
dernière mise à jour : 16/09/2009 par filliat
|
DATE
|
HEURES
|
TYPE SEANCE
|
PROGRAMME DE LA SEANCE
|
|
| 8 01 2010 |
08:30 12:15 |
Bloc de module (1/2 journée) |
Architectures cognitives
1) Qu’est-ce qu’une architecture cognitive ?
2) S’inspirer de la psychologie du développement et de la psychologie sociale des enfants
3) Un premier exemple : l’architecture cognitive de l’AIBO commercial (aspects logiques, logiciels et matériels)
4) Un second exemple : l’architecture cognitive de Kismet (aspects logiques, logiciels et matériels) |
| 15 01 2010 |
08:30 12:15 |
Bloc de module (1/2 journée) |
|
| 22 01 2010 |
08:30 12:15 |
Bloc de module (1/2 journée) |
Implementer des schémas sensori-moteurs, rendre l’environnement manipulable et perceptible
1) Le concept de schéma-sensori moteur : inspiration en psychologie du développement et robotique « behavior-based »
2) Exemples de schémas sensori-moteurs en URBI sur l’AIBO
3) Création automatique de nouveau schéma sensorimoteurs, combinaison de schémas sensori-moteurs
4) Le répertoire initial de schémas sensori-moteurs : un élément crucial pour la réussite d’un robot de compagnie
5) rendre l’environnement manipulable : les robots de compagnie sont souvent morpholgiquement simples et peu adaptés aux objets que les humains manipulent (la plupart n’ont pas de main !). Il est donc une bonne idée de construire des objets qui soient « affordants » aves leur morphologie : exemple des objets pour l’AibO développés par l’Ecole de Design de Lausanne.
6) rendre l’environnement perceptible : un des gros problèmes des robots est qu’ils ont une perception très limitée de l’environnement, en partie parce qu’on ne sait pas implémenter des algorithmes de vision robustes en environnement non-contraints. Une manière simple de contourner cela est de cour-circuiter les problèmes de vision en utilisant soit des couleurs facilement détectables soit des tags que l’on colle dans l’environnement, sur les objets en particulier. C’est l’exemple des codes barres sur les cartes de l’AIBO, mais on présentera aussi d’autres exemples. On décrira les techniques de vision qui permettent à ce système de fonctionner de manière robuste. On décrira aussi les usages variés qu’ils peuvent avoir : e.g. faire lire des histoires dans des vrais livres à des robots. |
| 29 01 2010 |
08:30 12:15 |
Bloc de module (1/2 journée) |
Les systèmes de motivation
1) Qu’est qu’une émotion, une motivation ? réponse basée sur la psychologie du développement, ref à Damasio, Piaget, Csytechmizaly, etc …
2) Implémenter des motivations et des émotions dans un robot : liste des différents principes (homéostasie/curiosité, motivations internes/externes, maturation/développement, motivations pratiques/abstraites, …)
3) Le système de motivation de l’AIBO commercial
4) Le système de motivation de Kismet
5) Le système de curiosité développé à Sony CSL Paris |
| 05 02 2010 |
08:30 12:15 |
Bloc de module (1/2 journée) |
Interactions Sociales
1) Localisation d’un interlocuteur : son, détection et reconnaissance de visages
2) Expression des émotions dans la parole synthétique
3) Reconnaissance des émotions dans la parole humaine
4) Expression faciale des émotions
5) Reconnaissance des émotions faciales humaines
6) Interactions gestuelles |
| 12 02 2010 |
08:30 12:15 |
Contrôle |
Apprentissage social
1) L’exemple du dressage des chiens-robots : le clicker-training
2) L’apprentissage par renforcement : avantages et limites
3) L’apprentissage par imitation : avantages et limites
4) L’apprentissage du langage : ne pas en sous-estimer la difficulté ! le problème de l’attention partagée, le problème Gavagaï, les jeux de langages. Explication de pourquoi il est amusant d’apprendre des mots à un robot.
5) Explication du pour et du contre de pré-programmer des systèmes de dialogue, et au final de la nécessité pour un robot d’apprendre par lui-même la langue de manière située et ancrée dans un corps si on veut qu’il comprenne vraiment la langue. |
|