Séminaire "Raisonnement spatial du point de vue du premier robot"
Dans le cadre de l'activité de l'IRL CROSSING, un séminaire sera tenu par Paulo Santos, Université Flinders d'Adélaïde (Australie) le mardi 21 novembre à 10h.
La capacité à percevoir l'espace et à raisonner sur les relations spatio-temporelles est sans effort pour les humains, mais elle s'est avérée être un défi pour les systèmes informatiques qui luttent pour traiter les différentes nuances de notre conceptualisation du monde.
Cet exposé présente deux résultats sur le développement d'outils de raisonnement spatial qualitatif appliqués à des systèmes multi-robots qui visent à combler le fossé entre la façon dont l'homme et la machine interprètent et agissent sur le monde extérieur.
Le premier est un nouvel algorithme pour le raisonnement et l'apprentissage qualitatifs basés sur les cas (QCBRL), qui est un système de raisonnement basé sur les cas qui utilise des représentations spatiales qualitatives pour récupérer et réutiliser des cas au moyen de relations entre les objets dans l'environnement. Combiné à l'apprentissage par renforcement, QCBRL permet à l'agent d'apprendre de nouveaux cas qualitatifs en cours d'exécution, sans passer par une étape de prétraitement. L'évaluation expérimentale de QCBRL a été menée dans un environnement simulé de robot-soccer et dans un robot humanoïde réel. Les résultats montrent que QCBRL surpasse les méthodes RL traditionnelles et les systèmes CBR de pointe.
Le deuxième résultat est un algorithme permettant de combiner les informations obtenues à partir de points de vue multiples (distincts et égocentriques) afin de déduire la position, l'itinéraire et les actions nécessaires pour guider un agent privé de sens vers une destination donnée. Les informations provenant des multiples observateurs ont été fusionnées en termes d'un ensemble de directions qualitatives qui peuvent être facilement interprétées par un agent humain.
Mots-clés : Raisonnement spatial qualitatif, raisonnement basé sur des cas, systèmes multi-robots.
Paulo Santos a obtenu son doctorat en intelligence artificielle à l'Imperial College de Londres, au Royaume-Uni, où il a travaillé sur le développement de systèmes de raisonnement spatial pour les robots mobiles. Il a été assistant de recherche à la School of Computing de l'université de Leeds, au Royaume-Uni, où il a travaillé sur un projet financé par l'Union européenne pour le développement de systèmes de vision cognitive. M. Santos a dirigé un groupe de recherche en IA et en robotique à Sao Paulo, au Brésil (2005-2019), menant un certain nombre de projets de recherche d'intérêt industriel. Au cours de cette période, M. Santos a également été chercheur invité dans les institutions de renommée mondiale suivantes : Université de Leeds, Royaume-Uni (2007, 2010) ; Université Ryerson, Canada (2010), Université de Brême, Allemagne (2012) ; Université de la Corogne, Espagne (2014). M. Santos occupe actuellement le poste de professeur associé d'IA et de robotique à l'Université Flinders, à Adélaïde, en Australie, depuis 2020, développant des recherches sur l'intégration du raisonnement automatisé avec des modèles d'apprentissage profond vers des systèmes d'IA explicables.