Offre de thèse
Generer mouvements expressifs pour des robots humanoides
Date limite de candidature
30-09-2025
Date de début de contrat
01-10-2025
Directeur de thèse
IVALDI Serena
Encadrement
Enrico Mingo-Hoffman
Type de contrat
école doctorale
équipe
LARSENcontexte
The position is funded by the ANR project OSTENSIVE, focused on generating motions that convey the purpose of an action in a natural and expressive way. In this context, the HUCEBOT team is involved in designing robot motions that are expressive and facilitate the communication. The candidate will join the Human Centered Robotics team (HUCEBOT) in the Inria Center of the University of Lorraine in Nancy, France.spécialité
Informatiquelaboratoire
LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Mots clés
robotique, intelligence artificielle, interaction homme-robot
Détail de l'offre
Le poste concerne la conception de mouvements expressifs pour les robots humanoïdes, par exemple les robots bipèdes. Le doctorant collaborera avec les ingénieurs de l'équipe pour construire des mouvements expressifs pour les nombreux robots de l'équipe, avec un accent particulier sur les robots humanoïdes tels que G1.
Pour générer les mouvements, nous explorerons différentes stratégies, afin d'étudier les limites et
avantages de chacune en termes d'explicabilité, de communication avec le partenaire, de communication avec l'observateur
, d'expressivité et de ressemblance avec l'homme.
Par exemple, nous nous inspirerons du travail de Vianello et al. pour tirer parti de la projection dans l'espace nul afin de générer des variations d'un mouvement pendant l'exécution d'une tâche ; du travail de Disney qui utilise l'apprentissage par renforcement à partir de plusieurs comportements simulés ; ou nous adopterons une stratégie différente et appliquerons MAP-elite pour générer des comportements présentant une diversité de métriques expressives de qualité. Nous envisagerons également le contrôle optimal stochastique et l'optimisation des trajectoires pour optimiser différents critères, notamment la présence d'observateurs susceptibles d'interagir avec le robot.
La génération de mouvement intégrera les bibliothèques de contrôle du corps entier de bas niveau que nous utilisons dans l'équipe, telles que CARTESI/O, OpenSOT, et LLM/VLM et plus généralement les modèles de base pour la génération de mouvement.
La validation sur une plateforme réelle telle que l'un de nos robots humanoïdes est fondamentale.
Le candidat interagira également avec les autres partenaires du projet OSTENSIVE pour mener des expériences communes.
Keywords
robotics, artificial intelligence, human-robot interaction
Subject details
The position is about the design of expressive motions for humanoid robots, e.g., biped robots. The PhD student will collaborate with the engineers of the team to build expressive motions for the many robots of the teams, with a specific focus on humanoid robots such as G1. To generate the motions, we will explore different strategies, to investigate the limitations and advantages of each in terms of explainability, communication to the partner, communication to the observer, expressivity and human-likeness. For example, we will take inspiration from the work of Vianello et al. to leverage null-space projection to generate variations of a movement while doing a task; the work of Disney using reinforcement learning from several simulated behaviors; or, we will adopt a different strategy and will apply MAP-elite to generate behaviors exhibiting quality diversity of expressive metrics. We will also consider stochastic optimal control and trajectory optimization to optimize for different criteria, which include the presence of observers potentially interacting with the robot. The motion generation will integrate the existing low-level whole-body control libraries we use in the team, such as CARTESI/O, OpenSOT, and LLM/VLM and more generally foundation models for motion generation. Validation on a real world platform such as one of our humanoid robots is fundamental. The candidate will also interact with the other partners of the OSTENSIVE project to conduct common experiments.
Profil du candidat
Technical skills:
Very good programming skills (python, C++).
Background in robotics, or Ability to understand mechatronics.
Excellent skills and/or experience with reinforcement learning, optimization, numerical
optimization, and/or generative AI models.
Soft skills:
Excellent communication skills at work, and ability to report progress
Proactivity.
Not afraid of challenging projects.
Rigour and intellectual honesty
Curiosity and desire to learn
Practical mindset and ability to develop robust and reliable solutions
Autonomy and organizational skills
Love working in a multi-cultural environment
Team player
Candidate profile
Technical skills:
Very good programming skills (python, C++).
Background in robotics, or Ability to understand mechatronics.
Excellent skills and/or experience with reinforcement learning, optimization, numerical
optimization, and/or generative AI models.
Soft skills:
Excellent communication skills at work, and ability to report progress
Proactivity.
Not afraid of challenging projects.
Rigour and intellectual honesty
Curiosity and desire to learn
Practical mindset and ability to develop robust and reliable solutions
Autonomy and organizational skills
Love working in a multi-cultural environment
Team player
Référence biblio
E. M. Hoffman, A. Laurenzi and N. G. Tsagarakis, 'The Open Stack of Tasks Library: OpenSoT: A Software Dedicated to Hierarchical Whole-Body Control of Robots Subject to Constraints,' in IEEE Robotics & Automation Magazine, vol. 32, no. 1, pp. 24-34, March 2025, doi: 10.1109/MRA.2024.3487395.
Grandia, R., Knoop, E., Hopkins, M. A., Wiedebach, G., Bishop, J., Pickles, S., ... & Bächer, M. (2025). Design and control of a bipedal robotic character. arXiv preprint arXiv:2501.05204.