Defensa de la tesis doctoral en Informática a cargo de la Sra. Hiba SEKKAT

La Universidad Euromed de Fez (UEMF) se complace en informar al público sobre la

defensa de tesis doctoral en “Ciencias de la Computación”

La defensa de tesis se realizará el sábado 26 de octubre de 2024 a las 10:00 horas en la UEMF

Ubicación : el Gran Salón de la Incubadora (LOC001994)

La tesis será presentada por la Sra. Hiba SEKKAT

Bajo el tema:

“Enfoques integrados en sistemas robóticos: avance en el agarre con aprendizaje por refuerzo profundo y simulaciones de gemelos digitales para robots domésticos y humanoides”

Abstracto 

En el campo de la robótica en rápida evolución, las capacidades de comprensión de los robots domésticos y humanoides son cruciales para la integración en la vida diaria; Esto se destacó especialmente durante la pandemia de COVID-19, que destacó la necesidad de que los robots ayudaran con las tareas cotidianas, cuando el contacto humano era reducido, particularmente para las poblaciones vulnerables como las personas mayores y las personas con discapacidad. Entre las tareas más importantes que debe realizar un robot se encuentran las tareas de agarre, lo que permite la interacción con objetos y, por tanto, la capacidad de recoger objetos, organizar lugares y ayudar con las tareas cotidianas. Sin embargo, a los sistemas robóticos actuales a menudo les resulta difícil ser adaptables y eficientes cuando operan en entornos naturales, especialmente entornos hogareños, que son inherentemente dinámicos y desordenados. Por lo tanto, abordar y superar estos desafíos requeriría innovación que permita abordar la complejidad y variabilidad de los entornos del mundo real. Por lo tanto, esta tesis aborda los desafíos críticos de la comprensión en la manipulación robótica mediante el desarrollo de un entorno de simulación de gemelos digitales de alta fidelidad diseñado para facilitar la futura integración de algoritmos de aprendizaje por refuerzo profundo. Mientras tanto, el desarrollo y prueba de dichos algoritmos utilizando simulaciones de gemelos digitales proporcionaría un entorno controlado de alta precisión, asegurando que la aplicación en un robot real esté bien preparada. Allí, el paso inicial implicó una revisión detallada de los algoritmos de aprendizaje por refuerzo de última generación para identificar el más adecuado para las tareas de agarre robótico en varios entornos. De esta revisión, seleccionamos el algoritmo de gradiente de política determinista profundo que es particularmente adecuado para nuestro entorno de trabajo, lo que lleva a la creación de un sistema de agarre novedoso con alta precisión en comparación con los métodos de referencia. A partir de estos resultados prometedores, desarrollamos un sistema de simulación eficiente (un gemelo digital de alta fidelidad del robot Pepper creado utilizando el marco Robot Operating System 2) que respalda la mejora continua y ayuda a progresar en el campo. Dado que la mayoría de los movimientos tienen un error absoluto medio dentro de un rango de 0,01 a 0,02 radianes, este gemelo digital, validado comparando los ángulos de las articulaciones tanto en simulación como en datos del mundo real, brinda una plataforma de simulación sólida para la eventual integración de complejos algoritmos de aprendizaje automático. . Estos resultados muestran cómo se pueden combinar el aprendizaje por refuerzo profundo y las tecnologías de gemelos digitales para superar las limitaciones actuales y abrir la puerta a robots domésticos más capaces e independientes. Por lo tanto, este trabajo es uno de los pasos metodológicos competitivos hacia un mejor agarre robótico y sienta las bases para extensiones a la robótica autónoma. Todos estos hallazgos tienen implicaciones importantes para el desarrollo de capacidades en robots que interactúan socialmente, en particular el robot Pepper, para mejorar la calidad de vida general y ofrecer beneficios sustanciales a las poblaciones vulnerables.

Resumen 

En el campo de la robótica en rápida evolución, las capacidades de agarre de los robots domésticos y humanoides son cruciales para la integración en la vida diaria; Esto se puso de relieve especialmente durante la pandemia de COVID-19, que puso de relieve la necesidad de que los robots ayudaran con las tareas cotidianas, cuando el contacto humano era reducido, especialmente para las poblaciones vulnerables como las personas mayores y las personas con movilidad reducida. Entre las tareas más importantes que debe realizar un robot se encuentran las tareas de agarre, que le permiten interactuar con objetos, y por tanto recogerlos, ordenar lugares y ayudar en las tareas cotidianas. Sin embargo, los sistemas robóticos actuales a menudo tienen dificultades para adaptarse y ser eficaces cuando operan en entornos naturales, en particular en entornos domésticos, que son inherentemente dinámicos y desordenados. Por lo tanto, afrontar y superar estos desafíos requerirá innovaciones para hacer frente a la complejidad y variabilidad de los entornos del mundo real. Por lo tanto, esta tesis aborda los desafíos críticos del agarre en la manipulación robótica mediante el desarrollo de un entorno de simulación de gemelos digitales de alta fidelidad diseñado para facilitar la futura integración de algoritmos de aprendizaje por refuerzo profundo. Al mismo tiempo, desarrollar y probar dichos algoritmos utilizando simulaciones de gemelos digitales proporcionaría un entorno controlado de alta precisión, garantizando que la aplicación en un robot real esté bien preparada. El paso inicial consistió en una revisión detallada del estado del arte de los algoritmos de aprendizaje por refuerzo con el fin de identificar los más adecuados para las tareas de agarre robótico en diferentes contextos. De este estudio, seleccionamos el algoritmo de política de gradiente determinista profunda que se adapta particularmente bien a nuestro entorno de trabajo, lo que nos permitió crear un nuevo sistema de agarre con gran precisión en comparación con los métodos de referencia. Basándonos en estos resultados prometedores, hemos desarrollado un sistema de simulación eficaz (un gemelo digital de alta fidelidad del robot Pepper creado utilizando el marco "Robot Operating System 2") que permite la mejora continua y contribuye al avance en este campo. Dado que la mayoría de los movimientos tienen un error absoluto promedio de entre 0,01 y 0,02 radianes, este gemelo digital, validado comparando ángulos de las articulaciones en simulación y datos reales, proporciona una plataforma de simulación sólida para una eventual integración de algoritmos complejos de aprendizaje automático. Estos resultados muestran cómo se pueden combinar el aprendizaje por refuerzo profundo y las tecnologías de gemelos digitales para superar las limitaciones actuales y allanar el camino para robots domésticos más capaces e independientes. Por lo tanto, este trabajo constituye uno de los pasos metodológicos competitivos hacia un mejor agarre robótico y abre el camino a extensiones en el campo de la robótica autónoma. Todos estos hallazgos tienen implicaciones importantes para el desarrollo de las capacidades de los robots de interacción social, incluido el robot Pepper, al mejorar la calidad de vida general y proporcionar beneficios sustanciales a las poblaciones vulnerables.

Esta tesis será presentada a los miembros del jurado:

Compartir, repartir