Egocentric Representations for Autonomous Navigation of Humanoid Robots
Représentations Ego-centrées pour la Navigation Autonome d’un Robot Humanoïde
Abstract
The skill of visually approaching and positioning in relation to objects on the scene is of crucial importance for service robotics applications. Furthermore, the autonomy of the solution is essential, since human-centered scenarios, where these robots are expected to operate (e.g. at the office or home), are stochastic. Hence, it is important that the agent can react to unforeseen situations. The traditional approach of AI has not produced reliable results since it is based on extensive context-free models of the tasks, so action selection is a centralized and delayed process. Emergent models have in contrast produced fast response systems at the cost of poor generalization power, even to very similar scenarios. This research has taken an intermediate perspective between the cognitivist and the EC research. It employs simultaneously action-independent knowledge for visually recognizing the stimuli of interest, and local representations in the form of bodily sensations, in order to anticipate the consequences of action, to discriminate the object, to react to unexpected circumstances, and to assess the progress and success of the mission.
La recherche sur l’automatisation du comportement a mis en évidence divers défis technologiques pour parvenir aux performances d’un système biologique. Il devient de plus en plus clair que les caractéristiques des organes sensoriels et moteurs humains sont essentiels pour atteindre certains objectifs. Malgré l’intérêt croissant en matière de solutions robotiques pour des applications de service et d’assistance, une machine qui soit polyvalente et qui imite de façon réaliste le corps anthropomorphe de l’être humain n’est pas encore disponible. Actuellement, le domaine de l’intelligence artificielle (IA) passe par des reformulations importantes. L’approche cognitiviste de l’IA n’a pas abouti à des modèles et des stratégies de représentation adaptés pour fournir un système de résolution de problème universel. Pendant les dernières décennies, la recherche en cognition incarnée (Embodied Cognition (EC)), où la représentation de la connaissance est fondée sur l’interaction physique avec l’environnement s’est développée offrant une alternative pour l’étude du comportement naturel. Toutefois, l’adoption de la méthodologie EC pose également des défis importants pour les roboticiens. Notamment, lorsqu’elle vise à satisfaire les exigences imposées par l’hypothèse du fondement physique (physical grounding hypothesis). Ainsi, son utilisation dans les applications de robotique de service n’est pas encore très développée.
Cette étude a pris un point de vue intermédiaire entre la méthodologie cognitiviste et l’EC. Ce travail porte sur l’aspect architectural du comportement et se concentre sur l’exploration des sources locales d’information pour obtenir des solutions flexibles et robustes vis-à-vis des applications en robotique de service. Lors de ce travail une compétence fondamentale a été considérée comme cas d’étude : il s’agit de l’utilisation de l’ego-localisation pour se rapprocher et se positionner par rapport à des cibles visuelles. Pour cela, d’une part, on adopte l’hypothèse cognitiviste selon laquelle le robot peut se servir des représentations indépendantes-de-l’action (sous la forme de schémas perceptifs) pour faire la reconnaissance visuelle de la cible. Alors que, d’autre part, une fois que le robot s’engage dans une tâche sensorimotrice il aura recours à des représentations locales sous la forme de sensations corporelles afin d’anticiper les conséquences de l’action, de discriminer les objets, de réagir à des circonstances imprévues, d’apprendre à partir d’expériences passées, et d’évaluer le progrès et le succès de la mission. Ainsi, à partir d’une approche multidisciplinaire, ce travail porte sur différents aspects : les architectures de comportements, l’attention visuelle ascendante et descendante, la vision par ordinateur, la localisation égocentrique embarquée, la sélection d’action, l’intégration multisensorielle, et l’apprentissage par renforcement.
Origin | Files produced by the author(s) |
---|