CESI est une école dingénieurs qui fait de la promotion sociale par lexcellence un modèle de réussite. Rejoignez un environnement stimulant où lesprit déquipe, la diversité des projets et lautonomie ne font quun. Découvrez une école qui a su développer un modèle unique et se donne les moyens au quotidien de relever les grands défis de lépoque. Nos 25 campus, 28 000 étudiants, 8000 entreprises partenaires et 106 000 alumni témoignent de limpact de CESI au niveau national.
CESI accompagne ses étudiants en utilisant des méthodes innovantes de pédagogie active. Létablissement forme avec rigueur les futurs ingénieurs, techniciens et managers, dans les secteurs suivants : lIndustrie & lInnovation, le BTP, lInformatique et le Numérique et le Développement Durable. Parallèlement, CESI concrétise son engagement dans la Recherche à travers des activités menées au sein de son Laboratoire dInnovation Numérique, CESI LINEACT.
Les partenariats établis avec 130 universités à travers le globe, attestent de lengagement international de CESI. Ces liens privilégiés offrent aux élèves ingénieurs une mobilité sortante et entrante à léchelle internationale, façonnée notamment par des stages obligatoires faisant partie intégrante de leur cursus.
Description du poste :
Sujet de thèse : Optimisation de planifications de trajectoires de multi-bras robotiques à laide de lintelligence artificielle et du jumeau numérique.
Travaux de recherche
Résumé de la thèse
La planification de trajectoires des bras robotiques est un domaine de recherche très actif avec lessor de lIndustrie 5.0 où les bras robotiques dune plateforme se multiplient, impliquant des calculs souvent complexes. Ce travail de thèse vise à développer une planification de trajectoires de multi-bras robotisés opérant dans un espace commun en combinant les méthodes classiques, lintelligence artificielle et les jumeaux numériques. Lobjectif est doptimiser la consommation dénergie et la réactivité en temps-réel aux environnements dynamiques tout en évitant les collisions.
Contexte scientifique
Cette thèse sinscrit dans la thématique de recherche "Aide à la décision pour les systèmes de production" (DSPS) de léquipe "Ingénierie et Outils Numériques" au sein du laboratoire CESI LINEACT. Il se déploie dans le domaine applicatif de lIndustrie 5.0 qui vise à soutenir la transformation numérique débutée par lIndustrie 4.0 en renforçant la collaboration entre les humains et les machines dans lenvironnement industriel. Lobjectif de lIndustrie 5.0 est de fournir des systèmes de production centrés sur lHumain, durables et résilients aux perturbations. La thèse vise à progresser sur lune des questions de recherche de la thématique DSPS autour de la conception de tel système en utilisant des techniques de la recherche opérationnelle et de lintelligence artificielle (IA). Elle se concentre sur les problématiques de durabilité en proposant des approches permettant de réduire la consommation dénergie lors de la production et sur les problématiques de résilience en proposant des approches robustes à lenvironnement de production dynamique. Cette thèse est portée par le CESI LINEACT en partenariat avec le laboratoire CReSTIC de lUniversité de Reims Champagne-Ardenne (URCA).
Sujet de thèse
Le recours à des plateformes robotisées est devenu courant dans lindustrie afin de réaliser des tâches répétitives sur de longues périodes de production [10]. Si les études autour de la modélisation et du contrôle dun seul bras de robots sont nombreuses dans létat de lart, des verrous scientifiques et technologiques demeurent lorsquil sagit de coopération de plusieurs bras de robots évoluant dans une zone de travail partagée [5]. Un premier objectif est alors de trouver une trajectoire physiquement réalisable pour atteindre une cible en évitant tout risque de collision entre les bras de robots et en se basant sur la configuration initiale des bras de robots. Cependant, la planification efficace des mouvements pour de tels systèmes robotisés reste un défi en raison du nombre de degrés de liberté souvent important. De plus, la prise en compte dun environnement dynamique nécessite une adaptation en temps réel de la trajectoire ce qui reste à ce jour un problème ouvert en vue dune implémentation sur un système réel [8]. Lutilisation du jumeau numérique permet dentraîner le modèle IA de manière plus efficace et sans usure matériel [9, 1].
Parmi les méthodes classiques devenues des solutions de référence dans la planification de trajectoires pour les bras robotiques, on retrouve lalgorithme de Dijkstra et ses extensions (A
* ainsi que larbre dexploration rapide (RRT) et sa variante principale (RRT
* 7]. Cependant, les bras de robots évoluant dans un environnement dynamique (présence éventuelle de personnes, imprévu de production, etc.), ces algorithmes peinent à proposer une mise à jour de la trajectoire en temps réel, car leur temps dexécution croît de façon exponentielle avec le nombre darticulations des bras robotiques [5]. De plus, peu dauteurs prennent en compte laspect énergétique comme objectif doptimisation lors de la réalisation des tâches robotiques ou alors il se concentre sur un bras unique [1].
La planification de trajectoire doit alors répondre à un triple objectif :
1. Définir les mouvements de chaque bras de robot afin dexécuter une tâche en minimisant les déplacements et la consommation dénergie,
2. Garantir que les mouvements de chaque bras de robot nentraînent pas de collisions,
3. Être capable de sadapter en temps réel afin de prendre en compte laspect dynamique de lenvironnement de travail.
Les verrous scientifiques et méthodologiques que nous souhaitons lever sont :
* Planification de la trajectoire de plusieurs bras robotiques opérant dans un espace partagé sans collision et en temps réel,
* Optimisation de la trajectoire selon des critères énergétiques et de productivité.
Programme de travail
La méthodologie envisagée pour lever les verrous scientifiques mentionnés est la suivante :
1. Planification distribuée intégrant les méthodes classiques et les techniques dIA : les méthodes classiques assurent une exhaustivité théorique, tandis que les techniques dIA, notamment lapprentissage par renforcement, apportent une réactivité efficace en temps réel. Les modèles séquentiels de réseaux de neurones sont employés pour sadapter aux environnements dynamiques sans augmenter la complexité de manière exponentielle.
2. Optimisation de la trajectoire en prenant en compte le nombre de collision et la consommation énergétique, les critères sont intégrés dans la fonction de récompense pendant lentrainement.
3. Implémentation sur un jumeau numérique et validation sur un système temps-réel :
la planification est simulée au travers du jumeau numérique pour accélérer la procédure dentrainement et réduire lusure des robots. Finalement, les résultats sont
validés sur un système dynamique en temps-réel.
Le planning prévisionnel des travaux de thèse est illustré dans la Figure 1.
Lensemble des travaux aboutiront à une production technique évaluée en simulation et sur plateformes en condition dopérations réelles.
Description du profil :
Votre Recrutement
Votre candidature devra comporter :
* un Curriculum-Vitae détaillé. En cas de rupture dans le cursus universitaire, merci de fournir une explication ;
* une lettre de motivation explicitant ses motivations à poursuivre une thèse de doctorat ;
* les résultats post-bac et les bulletins de notes correspondants ;
* les éventuelles lettres de recommandation ;
* toute autre pièce que vous jugerez utile.
Les candidatures seront traitées selon leur ordre darrivée, aussi cette offre de thèse expirera dès lors quun candidat aura été sélectionné.
Compétences
Compétences scientifiques et techniques dans un ou plusieurs de ces domaines :
* Solides compétences en mathématiques (optimisations convexe et non-convexe, algèbre linéaire, probabilité, ...),
* Modélisation et contrôle de systèmes robotiques,
* Compétences en automatique (planification de trajectoires, contrôle / commande de
systèmes dynamiques, outils doptimisation, ...),
* Compétences en programmation (Python, ROS, MATLAB / Simulink, ...),
* Compétences en informatique / IA (environnement Linux, apprentissage automatique, apprentissage par renforcement ...),
* Compétences rédactionnelles en français et en anglais.
Compétences relationnelles :
* Être autonome, avoir un esprit dinitiative et de curiosité,
* Savoir travailler en équipe et avoir un bon relationnel,
* Être rigoureux.
Les modalités du contrat
* CDD 36 mois
* 6 semaines de congés payés (au prorata du temps travaillé)
* 14 RTT (au prorata du temps travaillé)
* Mutuelle entreprise
* Prime participation / intéressement
* Ordinateur portable
Références
3] Yuehua Ding, Jean-François Dollinger, Vincent Vauchey et Mourad Zghal. "WiFi-Visual Data Fusion For Indoor Robot Localization". In : 2024 IEEE-RAS 23rd International Conference on Humanoid Robots (Humanoids). IEEE. 2024, p. 135-140.
5] Huy Ha, Jingxi Xu et Shuran Song. "Learning a decentralized multi-arm motion planner". In : arXiv preprint arXiv : 2011.02608 (2020).
6] Pierre Hémono, Ahmed Nait Chabane et Mhammed Sahnoun. "Multi objective optimization of human-robot collaboration : A case study in aerospace assembly
Créer une alerte emploi pour cette recherche
J-18808-Ljbffr
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.