Aller au contenu

IA pour la robotique

PDF icon Télécharger en PDF

  • Responsable de l'UE : Stéphane Doncieux (stephane.doncieux@sorbonne-universite.fr)
  • Code UE : UM5RBI34
  • Volumes horaires / étu : 16 h Cours, 12 h TP
  • Nombre de crédits de l'UE/EC : 3 ECTS
  • Parcours-type : ROBOT SI (option) MeDH
  • Semestre où l'enseignement est proposé : S1 S2 S3 S4
  • Langue d'enseignement : Français Anglais
  • Public concerné : Département SDI Autre (préciser) :
  • Localisation : Campus PMC Autre (préciser) :

Thématique

Cette UE vise à présenter aux étudiants les questions que posent l'application des méthodes d'IA et notamment d'apprentissage à des robots réels. Les différentes approches de l'IA à la robotique sont introduites avec un focus en particulier sur deux methodes complémentaires d'apprentissage par renforcement (avec et sans gradient) ainsi que sur la planification en robotique.

Mots-clés : Intelligence artificielle, robotique, apprentissage, planification de mouvements

Prérequis

Afin de suivre cette UE, doivent être acquis précédemment :

  • Apprentissage machine, apprentissage profond

Acquis d'apprentissage visés (AAV)

À l'issue de cette UE, les étudiantes ou étudiants seront capables de :

  1. Positionner les différentes approches de l'intelligence artificielle en robotique;
  2. Connaîtres les principes des algorithmes évolutionnaires;
  3. Implémenter et appliquer des algorithmes évolutionnaires comme NSGA-II;
  4. Connaître les principes des algorithmes de qualité-diversité ;
  5. Choisir un algorithme d'apprentissage par renforcement profond adapté à un problème donné
  6. Implémenter et appliquer DQN, DDPG
  7. Implémenter et appliquer les méthodes basées sur le gradient de politique
  8. Identifier un problème de planification et choisir un algorithme adapté
  9. Implémenter et appliquer les algorithmes de planification de mouvement (RRT, RRT*)
  10. Connaitre les principes d'approches alternatives de l'IA pour la robotique

Séquencement et modalités de l'enseignement (indicatif)

Semaine C/TD/TP Contenu Préparation AAV associé(s)
S1 C  IA et robotique: introduction / Robotique évolutionniste AAV1-4
S2 TP Robotique évolutionniste AAV2-4
S3 C Deep RL & robotique AAV5
S4 TP Deep RL & robotique AAV6-7
S5 C Planification et robotique/ cours d'ouverture 1 AAV8, AAV12
S6 TP Planification et robotique AAV9
S7 C Cours d'ouverture 2 et 3 AAV12

Déroulement de l'UE

L'UE se déroule en 3 séances de cours et TP et en 3 séances de cours d'ouverture.

Modalités d'évaluation des acquis d'apprentissage (1ère session)

Semaine Indiv/collectif Présentiel/distanciel Type d'examen AAV évalué(s) Barème %
S2 Individuel Présentiel TP AAV2-4 20%
S4 Individuel Présentiel TP AAV5-7 20%
S6 Individuel Présentiel TP AAV8-11 20%
S15 Individuel Présentiel Autre AAV 1-12 40%

2nde session

Session Indiv/collectif Présentiel/distanciel Type d'examen AAV évalué(s) Barème %
2 Individuel Présentiel Autre AAV 1-12 100%

Références bibliographiques

  • 1.     Russel, S. & Norvig, P. (2016). Artificial Intelligence: A modern approach.
    1. Vernon, D. (2014). Artificial cognitive systems: A primer.
    1. Floreano, D. & Mattiussi, C. (2008). Bio-inspired artificial intelligence
    1. LaValle, S. M. (2006) Planning algorithms http://planning.cs.uiuc.edu/

Logo SDI Date de génération de la fiche d'UE : 06/10/2026 Logo SDI