ETIS - Equipe Neurocybernétique

Les activités de recherche dans cet axe visent à comprendre les mécanismes mis en jeu lorsqu'un animal apprend à survivre dans son environnement et à les appliquer sur des robots autonomes en utilisant la vision comme source principale d'information. Ceci nous conduit à adopter une approche résolument non supervisée des réseaux de neurones et à ne considérer que des algorithmes dont les phases d'apprentissage et d'utilisation ne sont pas séparées.

Notre robot extrait un grand nombre d'indices visuels à partir d'une image provenant d'une caméra CCD. Ce mécanisme permet de focaliser l'attention du robot sur différentes zones qui peuvent ensuite être apprises. L'architecture neuronale de ce système de vision est alors utilisée pour contrôler les déplacements du robot. Le robot combine les informations en sortie du système visuel pour reconnaître un endroit donné. Il apprend à les associer avec les mouvements qui lui permettent de se rapprocher d'un but précédemment appris (apprentissage sensori-moteur).

Ces différents exemples d'application nous ont permis de dégager une structure type de réseaux de neurones appelée PerAc (Perception-Action). Elle nous conduit à envisager nos agents comme intimement liés à leur environnement et à définir le système sur lequel nous travaillons comme étant : l'environnement plus le programme de l'agent lui-même. Cette approche ouvre de nouveaux horizons pour étudier les mécanismes d'auto-organisation et d'imitation. De plus, l'approche dynamique est privilégiée (Neural Field, réseaux récurrents).

L'équipe Neurocybernétique en février 2005.