Offre de thèse
Planification, contrôle, et apprentissage pour la locomotion et la manipulation
Date limite de candidature
01-05-2024
Date de début de contrat
01-10-2024
Directeur de thèse
IVALDI Serena
Encadrement
Enrico Mingo Hoffman
Type de contrat
école doctorale
équipe
LARSENcontexte
LARSEN is a robotics team, located in Inria Nancy / Loria, that develops human-centered technologies, at the frontier between humanoid robotics, control, learning, and interaction with humans. The team develops learning and control algorithms for teleoperated / semi- / autonomous robots, where mobile manipulators and humanoids are involved in complex manipulation tasks in a remote location to replace humans. The team is also developing advanced humanoid robotics control and learning techniques to enable human-humanoid collaboration.spécialité
Informatiquelaboratoire
LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Mots clés
robotique humanoïde, contrôle optimale, apprentissage par renforcement
Détail de l'offre
La thèse de doctorat vise à développer des méthodologies et des algorithmes innovants exploitant l'optimisation basée sur des modèles, le contrôle optimal et l'apprentissage pour la planification et le contrôle du corps entier dans des systèmes robotiques génériques à plusieurs membres interagissant avec l'environnement, avec un accent particulier sur les actions de locomotion et de manipulation agiles et dynamiques.
La recherche abordera les défis associés aux tâches de locomotion et de manipulation agiles et lourdes, tels que la planification et le contrôle des mouvements et des contacts. L'objectif est de permettre aux robots d'effectuer des tâches complexes de locomotion et de manipulation dans des environnements dynamiques et non structurés, avec des applications allant de l'automatisation industrielle à la robotique de service.
L'étudiant aura l'occasion d'effectuer ses recherches en utilisant des équipements robotiques de laboratoire, notamment le robot omniTiago++ et le robot bipède humanoïde TALOS.
Keywords
humanoid robotics, optimal control, reinforcement learning
Subject details
The Ph.D. Thesis aims to develop innovative methodologies and algorithms exploiting model-based optimization, optimal control, and learning for whole-body planning and control in generic multi-limbed robotic systems interacting with the environment, with a particular focus on agile and dynamic locomotion and manipulation actions. The research will address the challenges associated with agile and heavy loco-manipulation tasks, such as motion and contact planning and control. The goal is to enable robots to perform complex locomotion and manipulation tasks in unstructured and dynamic environments, with applications ranging from industrial automation to service robotics. The student will have the opportunity to perform the research using laboratory robotic assets including the omniTiago++ robot and the humanoid bipedal robot TALOS.
Profil du candidat
Bon à savoir :
- Expérience avec des robots réels.
- Maîtrise des langages de programmation tels que C/C++ et Python.
- Capacité à travailler de manière indépendante et en équipe.
- Bonnes aptitudes à la communication et à la rédaction.
Qualifications préférées :
- Expérience du contrôle du corps entier, du contrôle optimal, des techniques d'optimisation et de l'apprentissage par renforcement.
- Familiarité avec les plateformes robotiques et les environnements de simulation (par exemple, ROS2, Gazebo, MuJoCo, CasADi, Eigen, Pinocchio, Nvidia Isaac GYM).
Candidate profile
Good to have:
- Experience with real robots.
- Proficiency in programming languages ​such as C/C++ and Python.
- Ability to work independently and as part of a team.
- Good communication and writing skills.
Preferred Qualifications:
- Experience with whole-body control, optimal control, optimization techniques, and reinforcement learning.
- Familiarity with robotic platforms and simulation environments (eg, ROS2, Gazebo, MuJoCo, CasADi, Eigen, Pinocchio, Nvidia Isaac GYM).
Référence biblio
Paolo Ferrari, Luca Rossini, Francesco Ruscelli, Arturo Laurenzi, Giuseppe Oriolo, Nikos G. Tsagarakis, Enrico Mingo Hoffman. Multi-contact planning and control for humanoid robots: Design and validation of a complete framework, Robotics and Autonomous Systems, Volume 166, 2023.