Sardor ISRAILOV : De l'identification basée apprentissage profond à la commande basée modèle

Suivre la soutenance sur Zoom

Explorer la vie sous-marine, localiser et récupérer des objets, détecter des pollutions... les applications des poissons-robots sont multiples. Un des grand enjeux reste de les contrôler et de les manoeuvrer à distance. C'est le sujet de recherche de Sardor Israilov, qui soutient sa thèse financée par l'EUR Systèmes Numériques pour l'Humain le mardi 30 janvier 2024 à 9h30.

La présentation aura lieu dans la salle de conférence du laboratoire INPHYNI (17 rue Julien Lauprêtre, 06200 Nice) et sur Zoom (lien ici prochainement).
Elle sera également disponible prochainement sur la chaîne YouTube de l'EUR.
La soutenance de thèse sera suivie d'un pot de célébration dans le même bâtiment.

• Rapporteurs :
  • Frédéric Boyer, Professeur, IMT Atlantique
  • Massimo Cencini, Professeur, CNR-ISC
• Examinateurs :
  • Christophe Eloy, Professeur des Universités, Aix-Marseille Université
  • Li Fu, Maître de conférences, École Centrale de Lyon
  • David Filliat,  Professeur,  ENSTA Paris - Institut Polytechnique de Paris
• Directeurs de thèse :
  • Guillaume Allibert, Professeur des Universités, Université Côte d'Azur
  • Médéric Argentina, Professeur des Universités, Université Côte d'Azur
• Invité:
  • Christophe Raufaste, Professeur des Universités, Université Côte d'Azur

Résumé :

La nage des poissons reste un sujet complexe qui n'est pas encore totalement compris en raison de son aspect interdisciplinaire qui mêle la biologie et dynamique des fluides. Au fil des millénaires, les organismes naturels ont perfectionné leur biologie pour naviguer efficacement dans leur environnement et s'adapter à tout type de situations. Tout au long de l'histoire, l'humanité s'est inspirée de la nature pour innover et développer des systèmes biomimétiques. Le poisson robotique, en particulier, trouve nombres d'applications dans le monde réel et son contrôle doit encore être optimisé. L'apprentissage par renforcement profond a donné d'excellents résultats dans le contrôle des systèmes robotiques, dont la dynamique est trop complexe pour être entièrement modélisée et analysée. Dans cette thèse, nous avons exploré de nouvelles voies de contrôle d'un poisson biomimétique via l'apprentissage par renforcement afin de maximiser efficacement la force de poussée et la vitesse de déplacement. Cependant, pour comprendre pleinement ces nouveaux algorithmes basés sur les données, nous avons d'abord étudié l'application de ces méthodes sur une référence standard de la théorie du contrôle, le pendule inversé sur un chariot.
Nous avons démontré que l'apprentissage par renforcement profond pouvait contrôler le système sans aucune connaissance préalable du système, en obtenant des performances comparables aux méthodes traditionnelles de la théorie du contrôle basée sur un modèle. Dans le troisième chapitre, nous nous concentrons sur la nage ondulatoire d'un poisson robotique avec différents objectifs et sources d'information de contrôle. Nos études indiquent que la force de poussée d'un poisson robotique peut être optimisée en utilisant des données provenant à la fois de capteurs de force et d'une caméra comme retour d'information pour la commande. Nos résultats démontrent qu'une commande carrée avec une fréquence particulière maximise la poussée et nous la rationalisons en utilisant le principe du maximum de Pontryagin. Un modèle approprié est établi qui montre un excellent accord entre la simulation et les résultats expérimentaux. Ensuite, nous nous concentrons sur la maximisation de la vitesse d'un poisson robotique à la fois dans plusieurs environnements virtuels et dans des expériences utilisant des données visuelles.