Contrôle de manipulateur mobile à haute mobilité en contexte dynamique // High mobility mobile manipulator control in a dynamic context

Le développement de manipulateur mobile capable de capacités d’adaptation est porteur d’avancées importantes pour le développement de nouveaux moyens de production, que ce soit dans des applications industrielles ou agricoles. En effet de telles technologies permettent de réaliser des tâches répétitives avec précision et sans contraintes liées à la limitation de l’espace de travail. Néanmoins, l’efficience de tels robots est soumise à leur adaptation à la variabilité du contexte d’évolution et de la tâche à réaliser. Aussi, cette thèse propose de concevoir des mécanismes d’adaptation des comportements sensori-moteurs pour ce type de robots, afin de garantir une bonne adéquation de leurs actions en fonction de la situation. Elle envisage d’étendre les capacités de reconfiguration des approches de perception et de commande par l’apport de l’Intelligence Artificielle, ici comprise au sens de l’apprentissage profond. Il s’agira de développer de nouvelles architectures décisionnelles capables d’optimiser les comportements robotiques pour la manipulation mobile dans des contextes évolutifs (notamment intérieur-extérieur) et la réalisation de plusieurs travaux de précision.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The development of mobile manipulators capable of adapting to new conditions is a major step forward in the development of new means of production, whether for industrial or agricultural applications. Such technologies enable repetitive tasks to be carried out with precision and without the constraints of limited workspace. Nevertheless, the efficiency of such robots depends on their adaptation to the variability of the evolutionary context and the task to be performed. This thesis therefore proposes to design mechanisms for adapting the sensory-motor behaviors of this type of robot, in order to ensure that their actions are appropriate to the situation. It envisages extending the reconfiguration capabilities of perception and control approaches through the contribution of Artificial Intelligence, here understood in the sense of deep learning. The aim is to develop new decision-making architectures capable of optimizing robotic behaviors for mobile handling in changing contexts (notably indoor-outdoor), and for carrying out a range of precision tasks.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Robotique Interactive
Laboratoire : Laboratoire de Contrôle et Supervision Robotique
Date de début souhaitée : 01-09-2025
Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris (IP Paris)
Directeur de thèse : LUCET Eric
Organisme : CEA
Laboratoire : DRT/DIASI//LCSR

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Robotique Interactive

Master 2 ou école d'ingénieur robotique