CVSL Logo
FrancaisHome
AboutPeopleResearchPublicationsEventsProfile
About
REPARTI Seminars


The REPARTI Seminars at Université Laval are held on Fridays at 11:30 a.m.
Please see the program for more details.
Dec 15 2017 11:00AM
Seminar
Building and Evaluating Data-Driven Neural Dialogue Systems

 

 

 

REPARTI

MIVIM

Apr 17 2009 1:30PM

Philippe Giguère
Étudiant au doctorat, Mobile Robotics Lab


Apprentissage non-supervisé en présence de continuités, dans un contexte de perception artificielle en robotique mobile



Abstract

La robotique mobile connait, depuis quelques années, un essor important tant au niveau de la recherche pure que de son applicabilité dans la société. Aussi, avec l’augmentation de la qualité des produits développés grâce à cette recherche, de plus en plus d’applications concrètes émergent: drones de surveillances, robots démineurs, véhicules sous-marins automatisés. L’avenir de la robotique mobile repose en parti sur la capacité de ces systèmes à bien reconnaître et identifier leur environnement immédiat. Mes travaux de recherches s’inscrivent dans cette foulée, et s’orientent autour de la perception artificielle par des systèmes intelligents déployés en milieu réel.

Dans cette présentation, je vais parler d’une nouvelle technique d’apprentissage non-supervisé (clustering) développé pour des systèmes présentant des continuités temporelles ou spatiales. Cette technique consiste à entraîner un classifieur quelconque (k-plus proches voisins, classifieur linéaire, gaussiennes). L’entraînement consiste à trouver les paramètres du classifieur minimisant une fonction objective. Cette fonction objective prend en entrée les probabilités calculées par le classifieur, ainsi que le nombre de classes désirées. Elle pénalise les solutions qui varient rapidement dans le temps, ou qui ne discrimine pas suffisamment (i.e. peu de variance dans ces probabilités). Contrairement à d’autres méthodes, aucun paramètre de régularisation n’est nécessaire.

Je vais aussi présenter trois exemples concrets où cette technique fut employée avec succès, afin d’apprendre automatiquement à reconnaître différents types de surfaces ou terrains. Le premier exemple est celui d’un robot marcheur qui utilise ses capteurs internes (accéléromètres, gyroscopes, etc.) pour l’identification. Le deuxième exemple est un robot commercial, dérivé du célèbre Roomba de iRobot, auquel nous avons greffé un capteur tactile sensible aux textures. Le dernier exemple sera un robot nageur qui utilise une caméra pour apprendre à différentier l’apparence du sable et d’un récif de corail.


PLEASE NOTE that this 40-minute seminar will be given at 1:30 p.m. in room PLT-3775.

The CVSL seminars are usually held on Fridays at 11:30 a.m. in room PLT-3775.




     
   
   

©2002-. Computer Vision and Systems Laboratory. All rights reserved