[H/F] PostDoc en 'Control-Aware Motion Planning' pour la robotique at LAAS-CNRS, Toulouse

Informations générales

Intitulé de l'offre : [H/F] PostDoc en 'Control-Aware Motion Planning' pour la robotique at LAAS-CNRS, Toulouse
Référence : UPR8001-MARCOG-002
Nombre de Postes : 1
Lieu de travail : TOULOUSE
Date de publication : lundi 29 juillet 2024
Type de contrat : CDD Scientifique
Durée du contrat : 18 mois
Date d'embauche prévue : 1 octobre 2024
Quotité de travail : Temps complet
Rémunération : Entre 2991€ et 3417€ brut mensuel selon expérience
Niveau d'études souhaité : Niveau 8 - (Doctorat)
Expérience souhaitée : Indifférent
Section(s) CN : Sciences de l'information : fondements de l'informatique, calculs, algorithmes, représentations, exploitations

Missions

Informations pratiques :
- Poste : chercheur postdoctoral
- Lieu de travail : LAAS-CNRS, Toulouse, France
- Date de début (flexible) : Octobre 2024 (jusqu'à décembre 2024)
- Date de fin : fin mars 2026
- Salaire : entre 2991€ et 3417€ brut mensuel selon expérience
- Équipe : RIS (Robotics and InteractionS), voir /en/teams/ris/
- Superviseurs : Thierry Simeon, Marco Cognetti et Juan Cortes

Résumé
Le Laboratoire d'analyse et d'architecture des systèmes (LAAS) est à la recherche d'un chercheur postdoctoral en robotique pour un postdoc de 18 mois au sein de l’équipe RIS

Activités

Description du projet scientifique
Le projet s'inscrit dans le cadre du projet ANR CAMP dont l'objectif est de développer une approche de planification de mouvement intrinsèquement robuste en tenant compte du contrôle et générale. En particulier, une approche efficace pour gérer la complexité des robots opérant dans des environnements réels (et incertains) est le paradigme "feedforward/feedback" ou "planification/contrôle". Cette méthode comporte deux étapes clés : 1. Planification (feedforward) : Dans un premier temps, une trajectoire nominale appropriée pour les états et les commandes du robot est planifiée à l'aide des informations disponibles, telles que les modèles du robot et son environnement. Cette étape est généralement réalisée hors ligne et peut intégrer diverses contraintes (par exemple, éviter les collisions, actionnement limité) et optimiser des paramètres spécifiques (par exemple, le temps, l'énergie) ; 2. contrôle (feedback) : Bien que la trajectoire planifiée constitue une base, l'exécution en boucle ouverte échouerait probablement en raison des incertitudes inévitables dans les informations de planification. Par conséquent, un contrôleur de mouvement est utilisé pour "fermer la boucle" en ajustant le mouvement planifié en temps réel, ce qui garantit la robustesse contre les effets imprévus et les écarts par rapport à la trajectoire planifiée. Cette approche combinée d'anticipation et de rétroaction garantit que les robots peuvent fonctionner de manière efficace et fiable, même dans des environnements complexes et imprévisibles.

Le postdoc porte principalement sur le premier axe (., la planification) et l’extension de résultats déjà obtenus dans le cadre du projet CAMP. En particulier, [1][2][3] ont proposé un planificateur de mouvement pour produire des mouvements de référence sans collision qui sont robustes contre les incertitudes paramétriques pour une grande classe de systèmes dynamiques complexes. Il s'articule autour du concept de sensibilité en boucle fermée [4,5], une quantité qui relie les variations de paramètres aux déviations de la trajectoire en boucle fermée par le système/contrôleur considéré. Cette métrique est utilisée dans un planificateur basé sur la diffusion d’arbres aléatoires [1,3] pour générer des trajectoires qui sont intrinsèquement robustes par rapport aux incertitudes des paramètres.
Le post-doctorant contribuera à étendre les contributions théoriques sur l’intégration de la notion de sensitivité dans les algorithmes de planification de mouvement, ainsi qu'à la validation expérimentale des approches proposées sur des drones réels (quadrotors et hexarotors), en particulier dans des environnements extérieurs, à la suite de la validation effectuée dans des environnements intérieurs [6]. A cette fin, le PostDoc bénéficiera des infrastructures du LAAS-CNRS : 1) une arène intérieure avec des dimensions de 8x4x7m, équipée d'un système de capture de mouvement, et une arène extérieure de 15x25x7m. De plus, un atelier avec tous les outils nécessaires à la fabrication de drones est disponible, ainsi que plus d'une dizaine de prototypes de drones (quadri- et hexa-rotors) et de nombreux capteurs et actionneurs (GPS, IMU, altimètre Lidar, capteurs F/T, bras robotique ultra-léger,

En fonction du profil du candidat, plusieurs axes de recherche sont possibles
- Extension de l’approche à la combinaison d’incertitudes paramétriques et d’estimation de l'état
- Planification de mouvement multi-objectif pour calculer les chemins Pareto-optimaux
- Planification robuste des mouvements pour les systèmes multi-robots.
- Interaction (physique) homme-drone.

Principales responsabilités
- Mener une recherche de qualité et diriger le développement du démonstrateur expérimental en extérieur (en tenant compte d’effets/incertains non modélisés tels que le vent et précision limitée de la perception)
- Collaborer avec les doctorants et permanents de l’équipe RIS pour développer cette approche combinant sensitivité et planification de mouvements pour la robotique.

References
[1] S. Wasiela, P. Robuffo Giordano, J. Cortés and T. Siméon, "A Sensitivity-Aware Motion Planner (SAMP) to Generate Intrinsically-Robust Trajectories", IEEE Int. Conf. on Robotics and Automation (ICRA), 2023.
[2] S. Wasiela, S. Ait-Bouhsain, M. Cognetti, J. Cortés and T. Siméon. “Learned Uncertainty Tubes via Recurrent Neural Networks for Planning Robust Robot Motions”, European Conference on Artificial Intelligence (ECAI), Oct 2024
[3] S. Wasiela, M. Cognetti, P. Robuffo Giordano, J. Cortés and T. Siméon, "Robust Motion Planning with Accuracy Optimization based on Learned Sensitivity Metrics”, Submitted to IEEE Robotics and Automation Letters (RA-L), 2024
[4] P. Robuffo Giordano, Q. Delamare, and A. Franchi, "Trajectory generation for minimum closed-loop state sensitivity," IEEE Int. Conf. on Robotics and Automation (ICRA), 2018
[5] P. Brault, Q. Delamare, and P. Robuffo Giordano, "Robust trajectory planning with parametric uncertainties," IEEE Int. Conf. on Robotics and Automation (ICRA), 2021
[6] A. Srour, A. Franchi and P. Robuffo Giordano, "Controller and Trajectory Optimization for a Quadrotor UAV with Parametric Uncertainty," IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2023

Compétences

Profil du candidat
- Doctorat en robotique, idéalement sur la planification et le contrôle des mouvements, les robots aériens.
- Très bonne connaissance de la planification de mouvement + solide expérience en mathématiques, optimisation et robotique.
- Expérience en robotique expérimentale, idéalement avec des drones et/ou en extérieur.
- Très bonnes compétences en programmation. En particulier, C/C++, Python, ROS/ROS2, et capacité de développer et maintenir de grands logiciels.
- Curiosité scientifique, capacité à travailler de manière indépendante et en groupe.
- Une certaine expérience de la simulation robotique (par exemple, Gazebo, CoppeliaSim, IsaacSim), si possible pour des expérimentations avec drones réels.

Contexte de travail

A propos de l'équipe RIS au LAAS-CNRS
L'équipe "Robotique and InteractionS" (RIS) est une équipe de recherche internationalement reconnue du LAAS-CNRS à Toulouse, qui se consacre au développement de machines mobiles autonomes intégrant des capacités de perception, de raisonnement, d'apprentissage, d'action et de réaction. Les principaux domaines de recherche de l'équipe sont les suivants : Architectures pour Robots Autonomes, Apprentissage, Planification Temporelle et Contrôle d'Exécution, et Planification du Mouvement. RIS est composé de 8 chercheurs permanents, de 4 post-docs et de plusieurs doctorants. De manière plus générale, la recherche au LAAS-CNRS couvre la robotique, l'optimisation, le contrôle, les télécommunications et les nano-systèmes. Le département de robotique du LAAS-CNRS compte plus de 100 personnes et est considéré comme l'un des plus grands et des plus anciens départements de recherche en robotique en France. Le département de robotique du LAAS-CNRS a apporté des contributions de premier plan dans les domaines de l'intelligence artificielle, de la planification, de la perception, des robots humanoïdes, de la conception et du contrôle de robots aériens.

Comment postuler
Les candidats intéressés peuvent postuler en envoyant les documents suivants :
- CV
- Lettre de motivation
- [Suggéré] Projet de recherche (max 2 pages), idéalement en rapport avec l'un des thèmes de recherche proposés
- [Suggéré] Courte vidéo d'introduction dans laquelle vous vous présentez et expliquez pourquoi vous postulez pour cette offre de post-doc au LAAS-CNRS. La vidéo sera demandée au candidat au moment suivant.
Les procédures de sélection consisteront en un entretien qui se déroulera en anglais. Le candidat sera invité à discuter du projet et de la manière dont son expérience antérieure s'inscrit dans les objectifs du projet. Le poste restera ouvert jusqu'à ce qu'un candidat satisfaisant soit trouvé.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.