Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

2 MASTER 2e ANNEE MENTION Electronique, Electrotechnique, Automatique Spécialit

2 MASTER 2e ANNEE MENTION Electronique, Electrotechnique, Automatique Spécialité : Ingénierie des Systèmes Temps Réels Parcours : Intelligence Artificielle, Reconnaissance des Formes et Robotique Responsables : Mention EEA : Viviane Cadenat – LAAS – cadenat@laas.fr - Mention Info : Régine André-Obrecht –IRIT – obrecht@irit.fr - 3 Secrétariat Pédagogique: Sophie Cobourg Secrétariat 3ème cycle Université Paul Sabatier Master Professionnel et Recherche : M2P SMIS EEAS Tel : 05.61.33.62.25 Fax : 05.61.33.62.53 LAAS du CNRS - 7 Avenue du Colonel Roche - 31077 TOULOUSE CEDEX 4 1ère à gauche après la porte d'entrée du LAAS puis à gauche après les portes battantes avant la bibliothèque. Accueil public le : Lundi, Mardi, Jeudi et Vendredi : 9h00 - 12h00 / 14h00 - 16h30 Semestre 9 Durée : 12 semaines RESUME DU S 9 MODULES Responsable ECT S COURS TD TP AOH Aspects organisationnels et humains 6 10 54 GC Graphes et Contraintes C. Briand M. Cooper 3 20 10 CSOO Conception Systèmes Orientés Objets 2 6 20 RTIP Robotique et Traitement d’Images en Production V. Cadenat F.Lerasle 4 32 16 RTCI Représentation et Traitement des Connaissances Incertaines C. Cayrol 3 15 15 RIC Recherche Intelligence et Coopération J. Mengin 3 30 Projet Projet en Intelligence Artificielle P. Muller 3 32 RFIV Reconnaissance des Formes Ingénierie des Technologies Vocales R. André- Obrecht 6 46 30 4 Code apogée PERCEPTION POUR LA ROBOTIQUE ECTS COURS TD TP PROJET 3 12 10 18 Responsable : Frédéric Lerasle (lerasle@laas.fr, 05.61.33.69.61) Objectifs Le but est de fournir aux étudiants quelques connaissances sur la perception 3D pour des applications robotiques. Contenu Le cours/TD (12h/10h) se structure comme suit : après avoir présenté la problématique, quatre fonctionnalités sur données perceptuelles, essentiellement 3D, sont détaillées : l’acquisition, la segmentation, la modélisation et l’interprétation. Pour chacune d’elles, nous décrivons quelques outils et algorithmes associés ainsi que des exemples d’applications robotiques, notamment la navigation de robots mobiles et la manipulation d’objets. Ce cours sera illustré par une série de manipulations : étalonnage pratique et reconstruction 3D par un banc stéréo (4h), développement d'un algorithme de stéréovision dense (8h), modélisation environnementale par laser et application à la navigation sur robots mobiles Pekee (8h). Pré-requis UE Robotique et traitement d'images en production. Bibliographie 1. Vision par Ordinateur. R.Horaud, O.Monga. Edition HERMES, 1995. 2. Perception de l'environnement en robotique F.Chavand et E.Colle. Edition HERMES, 1998. 5 Code apogée ROBOTIQUE MOBILE ECTS COURS TD TP PROJET 3 12 16 Responsable : Michel Taïx (taix@laas.fr, 05.61.33.78.31) Objectifs L’objectif est de comprendre la problématique de la robotique mobile, ses enjeux et ses difficultés. Le cours est centré sur le problème du déplacement sans collision dans un environnement 2D. Les extensions en dimension élevée permettent de montrer l’ensemble des champs applicatif ainsi que la spécificité de la robotique humanoïde. Contenu Le cours de robotique mobile sera organisé comme suit : 1. Introduction aux problèmes de la robotique mobile 2. Modélisation et commande de robots à roue i. Principaux modèles ii. Etude du « differential drive model » iii. Schémas principaux de commande 3. Localisation i. Relative ii. Absolue 4. Planification de mouvement i. Espace des configurations ii. Approches complètes iii. Approches discrètes iv. Approches probabilistes 5. Humanoïde i. Génération de marche ii. Planification Les TP seront organisés sous la forme de bureaux d’études par équipe. L’objectif est de localiser un robot mobile (Pekee II de Wany Robotics) puis de lui faire exécuter une trajectoire avec évitement d’obstacle. Pré-requis Bases en algorithmique. Notion d’automatique (feedback, retour d’état). Concept de base de la robotique (configuration, modèles, redondance,…) Bibliographie 1. Introduction to autonomous mobile robots. R. Siegwart and I. Nourba. The MIT Press. 2. La robotique mobile. J.P Laumond et all (Collectif), Hermes, Traité IC2, 2000. 3. Principles of Robot Motion. H. Choset et all (Collectif), The MIT, 2005. 4. Optimization: theory and applications. S.S. RAO, editeur Wiley Eastern Limited. 6 Semestre 10 Durée : 12 semaines RESUME DU S 10 MODULES Responsable ECT S COURS TD TP TI Traitement d’Images C. Collet P. Joly 4 22 22 GC Robotique et Traitement de Signal V. Cadenat M. Courdesses 5 22 8 38 RM Robotique Mobile M. Taix 3 12 16 PR Perception pour la Robotique F.Lerasle 3 12 10 18 Stage Stage en Entreprise ou en Laboratoire V. Cadenat R. André- Obrecht 15 6 mois 7 Code apogée GRAPHES ET CONTRAINTES ECTS COURS TD TP 3 20 10 Responsable : Cyril Briand (briand@laas.fr, 05.61.33.69.61) et Martin Cooper (cooper@irit.fr, 05.61.55.85.51) Objectifs Maîtriser les outils de recherche dans les graphes et la résolution de problèmes sous contraintes. Contenu Ce cours est organisé en deux parties : I Graphes (10h de cours) - Historique / entité mathématique / outil de modélisation - Eléments de base : chemin, circuits, orientation - Graphes particuliers (bipartis, planaires, arbres, ...) - Représentation d'un graphe : matrice d'adjacence, liste d'adjacence - Parcours largeur / profondeur - Applications : test de bipartisme, détection de plus court chemin, tri topologique, composantes fortement connexes, graphes d'états ; méthodes arborescentes d'optimisation - graphes pondérés : chemins optimaux, parcours, arbres couvrants - parcours eulérien / hamiltonien (application robotique / transport) - flots : définition ; recherche de flot maximal II. CONTRAINTES (10h de cours) - Formalisme (2h) : - Définitions : contraintes, CSP, réseau de contraintes, consistance, solution d'un CSP - Problèmes : test de consistance, trouver une solution / toutes les solutions, optimisation, comptage du nombre de solutions - Modélisation avec des exemples typiques (4h) : - Importance du choix des variables, - Expression des contraintes (primitives des langages) .- Algorithmes (4h) : - Backtrack, forward checking, synthèse, branch & bound - Consistance d'arc, filtrage pour réduire l’espace de recherche - Heuristiques pour le choix de l’ordre des variables/valeurs Ce cours sera illustré par une série de TP (10h). La première série concernera la partie « Graphe » et consistera à implémenter un graphe et à coder un algorithme classique de parcours en Java. La seconde série sera dédiée à la partie « contraintes » et consistera à manipuler l'outil Jsolver et traiter un problème d'ordonnancement depuis la modélisation. 8 Code apogée ROBOTIQUE ET TRAITEMENT DE SIGNAL ECTS COURS TD TP PROJET 5 22 8 38 Responsables : Viviane Cadenat (cadenat@laas.fr, 05.61.33.68.32) et Michel Courdesses (courdess@laas.fr, 05.61.33.64.29) Objectifs Ce cours s’adresse à des étudiants ayant suivi au préalable l’UE « Robotique et traitement d'images en production ». L’objectif est d’approfondir les connaissances acquises en robotique et de présenter les méthodes classiques d’optimisation, d’identification et de traitement du signal. Contenu Ce cours comprend deux parties centrées autour de la robotique et du traitement du signal. I. Robotique (12h/4h/0) a. Modélisation cinématique des bras manipulateurs (8h) b. Commande dans l’espace des configurations et dans l’espace cartésien (2h) c. Commande référencée vision (6h) II. Traitement du signal (10h/4h/0) a. Rappels d’optimisation non linéaire sans contrainte puis avec contraintes égalité b. Méthode des moindres carrés discrets c. Transformée de Fourier, Transformée de Fourier rapide (FFT) Les cours seront complétés par une série de TP de 40h permettant d’illustrer les concepts issus à la fois du traitement du signal et de la robotique. Ces TP s’intéresseront aux thèmes suivants : suivi de trajectoire à vitesse imposée avec un bras manipulateur (12h), commande référencée vision (12h), localisation d’un robot mobile par moindres carrés (8h), optimisation non linéaire (4h) et FFT (4h). Ils s’appuieront soit sur des systèmes réels (robots mobiles ou manipulateurs), soit sur des outils logiciels classiques tels que matlab. Pré-requis Les étudiants doivent maîtriser les concepts de base de la robotique et avoir quelques notions de base en mathématiques. Bibliographie 1. Modélisation, identification et commande des robots. W. Khalil, E. Dombre. Ed. Hermès – Lavoisier, 1999. 2. Introduction to robotics: mechanics and control. J.J. Craig. Prentice Hall (3rd edition), 2004. 3. Traitement numérique du signal, théorie et pratique. M Bellanger. CNET, ENST, Masson. 4. Theory and practice of recursive identification. L. Ljung and T. Soderstrom, MIT press. 5. Optimization: theory and applications. S.S. RAO, editeur Wiley Eastern Limited. 9 Code apogée TRAITEMENT D’IMAGES ECTS COURS TD TP PROJET 4 22 22 Responsables : C Collet, P Joly (collet@irit.fr, joly@irit.fr ) Objectifs L‘objectif du cours est de donner les connaissances de base nécessaires au traitement et à l’analyse d’images. Contenu Ce cours est organisé en quatre parties : 1. Introduction - Présentation des composants d’un système d’analyse d’image - Fonctionnalités du traitement d’image - Applications 2. Acquisition et traitement d’image - Modélisation du processus de formation d’images - Acquisition : dispositifs et méthodes - Amélioration, filtrage et restauration d’images 3. Analyse d’images - Analyse par approche morphologique - Description d’images • Extraction de contours : méthodes dérivatives et structurelles (modèles paramétriques, élastiques, stochastiques), méthode des courbes de niveaux. Chaînage. Approximation. Représentation et description des contours • Segmentation en régions (classification, ressemblance, méthodes stochastiques, variationnelles, analyse multiéchelle) • Approches coopératives - Caractérisation, mesures, représentation 4. Reconnaissance des formes et interprétation - Technique de reconnaissance de formes appliquée à l’image : • Modélisations, apprentissage des modèles, • Méthodes de reconnaissance paramétriques, structurelles, par aspect - Interprétation : • Représentation des connaissances sur uploads/Management/ syllabus-m2irr-brochure 1 .pdf