Thèse Vers une Commande de Bras Robotique Basée Politique de Diffusion Utilisant l'Expertise du Geste Opérateur pour l'Application d'Effort sur des Surfaces Déformables. Application à la Rénovatio H/F - Doctorat.Gouv.Fr

Établissement : Université de Montpellier École doctorale : I2S - Information, Structures, Systèmes Laboratoire de recherche : Laboratoire d'Informatique, de Robotique et de Micro-électronique de Montpellier Direction de la thèse : Philippe FRAISSE ORCID 0000000309110743 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-08-26T23:59:59 Le contexte de ces travaux se situe dans le cadre de la construction et plus
particulièrement la réalisation de l'enduit de façade à l'aide d'un bras manipulateur en
mode autonome. Il s'agit donc de développer un contrôleur de robot capable de réaliser
le geste expert de l'artisan façadier pour des opérations d'enduit extérieur de finition,
incluant l'opération de talochage. La difficulté principale de cette activité est la gestion
de l'effort au contact de l'enduit et du mur, avec une grande variabilité de déformation
de l'enduit sur la surface du mur. Aussi, l'objectif de cette thèse est d'explorer des
techniques de Machine Learning utilisées pour la robotique qui sont basées sur les
politiques de diffusion à partir de données issues du geste expert, capables de réguler
les forces de contact du robot avec la surface. Ces techniques seront associées à des
méthodes de contrôle basées sur un modèle viscoélastique, utilisant notamment des
modèles simplifiés de contacts. Contrairement aux politiques visuomotrices qui
prédisent uniquement des poses avec une compliance fixe, cette politique prédira à la
fois le mouvement et la compliance, guidée par un modèle interne de déformation.
L'objectif est de réduire les besoins en données de démonstration, d'améliorer la
robustesse et de rendre le contrôleur plus interprétable en reliant ses décisions à une
structure physique explicite et actualisable Le contexte de ces travaux se situe dans le cadre de la construction et plus particulièrement la réalisation de l'enduit de façade à l'aide d'un bras manipulateur en mode autonome. Il s'agit donc de développer un contrôleur de robot capable de réaliser le geste expert de l'artisan façadier pour des opérations d'enduit extérieur de finition, incluant l'opération de talochage. La difficulté principale de cette activité est la gestion de l'effort au contact de l'enduit et du mur, avec une grande variabilité de déformation de l'enduit sur la surface du mur. L'objectif de cette thèse est d'explorer des techniques de Machine Learning utilisées pour la robotique qui sont basées sur les politiques de diffusion à partir de données issues du geste expert, capables de réguler les forces de contact du robot avec la surface. Ces techniques seront associées à des méthodes de contrôle basées sur un modèle élastique (FEM), utilisant notamment des modèles simplifiés de contacts. Contrairement aux politiques visuomotrices qui prédisent uniquement des poses avec une compliance fixe, cette politique prédira à la fois le mouvement et la compliance, guidée par un modèle interne de déformation. L'objectif est de réduire les besoins en données de démonstration, d'améliorer la robustesse et de rendre le contrôleur plus interprétable en reliant ses décisions à une structure physique explicite et actualisable. La commande position/force pour le bras manipulateur a été imaginée il y a de nombreuses années (1981, Raibert & Craig). Depuis, de nombreuses méthodes de commandes ont vu le jour avec des applications diverses telles que la robotique chirurgicale ou l'interaction physique humain-robot. Une application récente consistant à contrôler la déformation d'objets flexibles à l'aide de bras manipulateurs exigent d'appliquer des efforts et de prédire la déformation à l'aide d'une simulation basée sur la méthode des éléments finis (FEM) afin de pouvoir produire une correction sur l'objet issue de l'observation de la déformation réelle [2]. Une extension de cette approche permet d'envisager l'application de l'enduit de façade en prenant en compte la déformation surfacique de l'enduit lors de son application avec la taloche sur le mur. La difficulté dans ce cas va résider dans le mouvement de la taloche le long du mur avec une gestion de l'effort sur la surface du mur en fonction de la déformation de l'enduit. Aussi est-il indispensable de s'appuyer sur le geste de l'expert afin d'avoir un mouvement position/vitesse/force de référence pour le contrôle du robot. Cette capture du geste de l'expert peut être exploitée par les politiques de diffusion qui vont, après traitement des ces données collectées, produire une prédiction et une planification du geste lors d'un contrôle autonome. Cette approche pourra être couplée à soit un contrôleur classique en effort ou un contrôleur NL-MPC utilisant la prédiction donnée par la politique de diffusion tout en utilisant en temps réel un modèle de déformation volumique de l'enduit sur la surface du mur au contact de la taloche permettant ainsi de compenser les différences avec la prédiction initiale prévu par le geste expert.
Les politiques de diffusion récentes pour la manipulation compliante [1] montrent que le conditionnement sur les images, les poses d'effecteur final et les historiques de forces permet à la politique de produire à la fois des objectifs pour le mouvement et la rigidité afin d'atteindre les forces désirées grâce au suivi de la compliance. Ensuite, l'asservissement de forme basé sur un modèle démontre qu'un modèle d'éléments finis en ligne, corrigé par vision, fournit une estimation complète de l'objet, y compris les régions occultées, et offre une méthode robuste pour initialiser les caractéristiques de forme de faible dimension et les jacobiennes d'interaction locales [2].
Cette thèse fusionnera ces approches en intégrant un modèle d'éléments finis linéaire-élastique rapide dans une boucle de diffusion. Un maillage « jumeau numérique » sera continuellement corrigé avec des observations visuelles à l'aide d'un système de perception 3D et de la détection tactile, puis compressé par une Analyse en Composantes Principales en un état de forme physiquement significatif. La politique se conditionnera non seulement sur l'extéroception et les forces, mais aussi sur les résidus de forme prédits/observés et sur la matrice d'interaction actuelle qui linéarise localement les réponses de forme aux mouvements à deux bras. Le processus de débruitage sera guidé par la physique grâce à un score additionnel qui favorise les actions dont les déformations simulées réduisent l'erreur dans l'espace PCA tout en respectant les limites de contrainte.
Enfin, il y a un besoin de développer une nouvelle interface pour pouvoir collecter facilement des démonstrations sans s'appuyer sur une téléopération encombrante [3]. La détection des efforts résultants ainsi que des efforts de surface (pression) sera cruciale pour rendre le contrôle de force robuste et pour réduire les exigences de données pendant l'entraînement. Le préhenseur et l'outil intégreront un capteur d'effort ainsi qu'un réseau de capteurs de pression simple et peu coûteux mesurant la pression locale sur la zone de contact. Ces signaux seront fusionnés avec la force/couple du poignet pour inférer l'apparition et l'évolution de la déformation à la prise [4]. La thèse utilisera ces indices de pression pour estimer la rigidité locale en ligne, soit en ajustant un modèle physique, soit via une cartographie apprise calibrée, ou pour mettre à jour les paramètres matériaux et les conditions limites du modèle d'éléments finis en temps réel. Le retour d'effort et les mesures de pression de l'outil sur la surface de contact permettront aussi de lever l'ambiguïté des occlusions visuelles, de détecter le glissement ou le roulement à la prise, et de déclencher une réestimation rapide de la matrice d'interaction après les changements d'état de contact, ce qui est critique pour obtenir un rendu de surface de qualité.
Le matériel d'entraînement utilisé pour collecter le geste expert sera conçu pendant la thèse et doit rester simple et peu coûteux. La conception sera inspirée du concept d'interface de manipulateur universel de Stanford [3] pour instrumenter les outils de talochage et de raclage.

Nous recherchons un candidat ayant des connaissances de base en robotique de manipulation, en perception (vision, force) ainsi qu'en contrôle (Commande prédictive, Apprentissage par renforcement).

• Talochage
• Machine learning
• Robotique