Soutiendra publiquement ses travaux de thèse intitulés
Méthodologie d’évaluation générique de systèmes robotiques collaboratifs intelligents dirigés par Didier DUMUR, co-encadrés par Maria MAKAROVA et Rémi REGNIER
Soutenance prévue le mercredi 17 décembre 2025 à 13h30 Lieu : CentraleSupélec, 3 Rue Joliot Curie, 91190 Gif-sur-Yvette Salle : Amphi VII, bâtiment Eiffel
Thèse CIFRE préparée dans l’unité de recherche L2S (Université Paris-Saclay, CentraleSupélec, CNRS), en collaboration avec le LNE (laboratoire national de métrologie et d’essais)
Le développement des robots collaboratifs intelligents suscite un intérêt croissant dans la recherche et l’industrie. Ils permettent d’assister des opérateurs sur des tâches complexes comme le ponçage ou l’assemblage. Cependant, leur évaluation reste un défi en raison des variabilités de l’humain et du système d’IA intégré à ces tâches. Cette thèse propose une méthodologie d’évaluation hybride composée d’essais virtuels alimentés par des données expérimentales. Elle est appliquée à la tâche de transfert d’objet (handover) que l’on retrouve dans de nombreuses tâches collaboratives (par exemple, l’aide à la personne) et intégrant un système de vision artificielle. Le principe de la méthode d’évaluation proposée repose sur la construction d’une base de données expérimentale de trajectoires de handover, ensuite utilisées comme entrées dans le simulateur du robot collaboratif Panda commandé en impédance. Cette base contient les trajectoires de la main de l’humain lors de mouvements de handover, enregistrées à l’aide d’une caméra 3D et d’un système de motion capture servant de vérité terrain. Cette approche permet d’évaluer l’ensemble de la tâche sans modéliser explicitement l’humain ni l’IA. Les performances de la tâche sont quantifiées à l’aide de métriques comme l’erreur de trajectoire spatiale, temporelle et finale. Ensuite, l’exploitation des processus gaussiens associés au critère Upper Confidence Bound (UCB) permet d’identifier les scénarios critiques à privilégier lors de futurs essais physiques.
Résumé en Anglais :
The development of intelligent collaborative robots is attracting increasing interest in both research and industry. These systems can assist operators in complex tasks such as sanding or assembly. However, their evaluation remains challenging due to the variability of human behavior and the artificial intelligence systems embedded in such tasks. This thesis proposes a hybrid evaluation methodology combining virtual trials with experimental data. It is applied to the handover task, which is common in many collaborative contexts (for example, assistive robotics) and involves a computer vision system. The proposed evaluation approach relies on the construction of an experimental database of handover trajectories, which are then used as inputs to a simulator of the Panda collaborative robot controlled via impedance. This database contains human hand trajectories recorded during handover motions using a 3D camera and a motion capture system serving as ground truth. This approach enables the evaluation of the entire task without explicitly modeling either the human or the AI. Task performance is quantified using metrics such as spatial, temporal, and final trajectory errors. In addition, the use of Gaussian processes combined with the Upper Confidence Bound (UCB) criterion makes it possible to identify critical scenarios to be prioritized for future physical trials.
