Inspiration et Modélisation du Vivant

De nombreuses approches existent afin de gérer la boucle sensori-motrice dans laquelle évolue un système robotique. Les performances obtenues restant bien en-deçà de celles des animaux, il est légitime de s’inspirer du vivant pour développer des modèles informatiques et des algorithmes permettant de faire évoluer un robot dans un environnement réel complexe et changeant.

Ce cours présentera différents modèles inspirés des systèmes biologiques nerveux corticaux et spinaux, en partant de leurs principes jusqu’à leur mise en œuvre dans le cadre de différentes modalités perceptives ou motrices. Quatre grandes familles de modèles seront abordées, l’apprentissage hebbien, les champs neuronaux dynamiques, les cartes auto-organisatrices, et les centres générateurs de mouvements rythmiques. Les champs d’application traités concerneront la perception visuelle, la perception tactile et la commande motrice en robotique.

Prérequis

Connaissances de base sur les réseaux de neurones.

Acquis d’apprentissage

  • Fondements biologiques : mécanismes neuronaux et plasticité synaptique.
  • Apprentissage hebbien (règle de Hebb, règle BCM, règle STDP).
  • Applications : mémoire associative, reconnaissance de formes.
  • Champs neuronaux dynamiques.
  • Applications à la perception visuelle et tactile.
  • Cartes auto-organisatrices et apprentissage de distribution.
  • Applications à l’asservissement visuel de systèmes robotiques.
  • Modèles de CPG (central pattern generators).
  • Application à la locomotion de robots.

Compétences visées

  • Savoir développer des modèles informatiques inspirés du vivant.
  • Connaître les principaux modèles de réseaux de neurones artificiels bio-inspirés.
  • Gérer la boucle sensori-motrice d’un système robotique avec des techniques neuronales.
  • Savoir implémenter des modèles de neurosciences computationnelle sur un système robotique.