Machine learning improvements for robotic applications in industrial context: Case study of autonomous sorting - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2018

Machine learning improvements for robotic applications in industrial context: Case study of autonomous sorting

Méthodes d’apprentissage automatique pour des applications robotiques dans un contexte industriel : étude de cas du tri robotisé

Joris Guérin

Résumé

Thanks to their flexible mechanical design, modern industrial robots can be programmed for different tasks. However, despite the fact that they are highly instrumented – which should enable them to be responsive to their environment - the use of robots in industry is still often restricted to repeatable tasks with low level of adaptability. In an industrial context, it is essential to program robots that can autonomously adapt to different applications and are robust to changes in their working conditions. Hence, in this thesis, several machine learning contributions are presented, aiming at designing smarter robotic applications, with a broader operational range. The methods developed are centered on autonomous sorting, but may be useful to address problems in many other subfields of robotics. Throughout this thesis, new approaches are proposed to address image clustering, optimal view selection, trajectory learning and stereo ocalization, with the objective of designing more versatile robotic applications.
L’architecture multi-axes des robots industriels permet de les programmer pour effectuer des tâches diverses. ependant, malgré qu’ils soient équipés de nombreux capteurs - ce qui devrait leur permettre de s’adapter à des changements d’environnement - l’utilisation de robots dans l’industrie se limite souvent à des tâches très répétables et ne nécessitant que peu d’adaptabilité. Dans un contexte industriel, la programmation de robots capables de s’adapter automatiquement à diverses applications, et étant robustes sous différentes conditions de fonctionnement est une source de progrès importante. Ainsi, dans cette thèse, plusieurs contributions en apprentissage automatique sont proposées dans le but de concevoir des robots intelligents, ayant une plus grande gamme de fonctionnements. Les méthodes présentées dans ce mémoire sont centrées autour du tri autonome d’objets mais peuvent servir à implémenter de nombreuses autres applications robotiques. Afin de concevoir des applications plus polyvalentes, des olutions aux problèmes de tri d’images non supervisé, de choix de vue optimal, d’apprentissage de trajectoires et de localisation stéréoscopique ont été développées.
Fichier principal
Vignette du fichier
thesis.pdf (33.66 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03096508 , version 1 (05-01-2021)

Identifiants

  • HAL Id : tel-03096508 , version 1

Citer

Joris Guérin. Machine learning improvements for robotic applications in industrial context: Case study of autonomous sorting. Machine Learning [cs.LG]. École Nationale Supérieure d'Arts et Métiers, 2018. English. ⟨NNT : ⟩. ⟨tel-03096508⟩
77 Consultations
53 Téléchargements

Partager

Gmail Facebook X LinkedIn More