| Titre : | Utilisation du deep learning pour concevoir des controleurs pour robots à pattes |
| Auteurs : | Somia Liani, Auteur ; Djouher Akrour, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2022 |
| Format : | 1 vol. (161 p.) / couv. ill. en coul / 30 cm |
| Langues: | Français |
| Mots-clés: | apprentissage profond, robot à pattes, simulation 3D, locomotion |
| Résumé : |
Le robot quadrupède est l’un des types de robots les plus attrayants du fait de sa locomotion intéressante qui permet le parcours de longues distances. Cependant, plus le nombre de capteurs utilisés est grand plus il est difficile aux contrôleurs de contrôler le robot de manière efficace. Pour cela, nous proposons dans ce travail d’utiliser le Deep Learning comme contrôleur de robot qui est une approche basé sur les réseaux de neurones avec un grand nombre d’entrées. Pour tester notre approche nous avons simulé notre robot quadrupède en utilisant le simulateur de robots tridimensionnel Gaezbo. |
| Sommaire : |
Table des matières Liste des figures V Introduction générale …. 01 Chapitre 1 :Robotique et Simulation 1. Introduction ....03 2. La robotique …....03 3.Objectifs de la robotique……...03 4.Composition d’un robot…….04 4.1.Morphologie……….04 4.1.1.Structure mécanique.....04 4.1.2Servo-moteurs (actionneurs)… 4.1. 3. Capteur………05 4.1.4. Cerveau……...05 4.1.4.1. Le robot serpent…………..05 4.1.4 .2. Le robot à roues….05 4.1.4.3. Robots à chenilles…………………..05 4.1.4.4. Robots volants……………….05 4.1.4.5. Un robot multi-patte………...05 4.2.présentation de Capteur…..…………06 4.3. Contrôleur…………….07 4.3.1 Réseaux de neurones(RN) ……….07 4.3.2 Réseaux de neurones évolutifs .07 4.3.3 Les réseaux de Ko 5.Robot quadrupède…….096. Simulateurs robotiques 3D …….09 6.1. Intérêt ……10 6.2. Composition d’un simulateur..10 6.2.1. Moteur physique……..10 6.2.1. Interface de visualisation ..11 6.2.1.1.Morce………………….11 6.2.1.1.V-Rep………….11 6.2.1.2.Webost………….11 7.Gazebo………………………….12 8.Conclusion……….…………….14 Chapitre 02 :Deep Learning en robotique 1. Introduction ………………..15 2. Deep learning…15 2.1.Les réseaux de neurones artificiels…16 2.1.1. Neurone…16 2.1.2. Perceptron………..16 2.1.3. Fonction d’activation …17 2.2.Types des réseaux de neurones utilisés en Deep Learning 17 2.2.1. Les réseaux de neurones récurrents (RNN ou Recurrent Neural Networks).17 2.2.2. Les réseaux de neurones convolutionnels (CNN ou Convolutional Neural Networks)…..…17 2.2.3. La machine de Boltzmann profonde (DBN ou Deep Belief Network) ...18 3. Réseaux de neurones VS Deep Learning ….19 4. Avantages et inconvénients du Deep Learning ….22 4.1.Avantages….22 4.2 Inconvénients.22 5. Domaines d’application du Deep Learning .23 6. Deep Learning et robotique..24 7. Apprentissage en Deep Learning….24 7.1 Apprentissage par renforcement.24 7.2. Apprentissage par renforcement profond (Reinforcement Deep Learning)….25 8. conclusion …….25 Chapitre 3: Conception du système 1.Introduction…26 2.Environnement de simulation .26 3.Le robot quadrupède…27 4.Les capteurs utilsé…….30 5.Le controleur.32 7.Conclusion35 Conclusion générale36 Références bibliographique … |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/777 | Mémoire master | bibliothèque sciences exactes | Consultable |
