Modèles bayésiens et sélection de modèles de perception pour les systèmes sensori-moteurs

Estelle Gilet 1
1 E-MOTION - Geometry and Probability for Motion and Action
GRAVIR - IMAG - Graphisme, Vision et Robotique, Inria Grenoble - Rhône-Alpes
Résumé : Ce stage s'inscrit dans le domaine de la modlisation de la perception pour les systmes sensori-moteurs. Ce domaine est central la robotique. Dans ce cadre, la programmation baysienne des robots est un formalisme mathmatique qui a t largement appliqu en robotique. Plus gnralement, en intelligence artificielle, une question centrale consiste dterminer s'il s'agit galement d'un bon outil pour modliser le raisonnement rationnel, humain ou animal. Nous nous intressons plus spcifiquement la faon dont les informations sur l'environnement provenant de capteurs diffrents peuvent tre mlanges. Pour rpondre cette question, le modle dominant, en robotique probabiliste, est la fusion capteur. Ce modle de fusion capteur robotique permet-il l'criture d'algorithmes de fusion d'informations dcrivant convenablement le principe de fusion d'informations sensorielles chez l'humain ? De nombreux travaux ont dj abord cette question. Nous proposons de complmenter ces travaux par une application de la modlisation baysienne aux cas de fusions visuo-acoustique dans une tche de perception des voyelles. Nous proposons plusieurs modles baysiens de la perception audiovisuelle des voyelles. Les modles utilisent tous le schma de fusion capteur robotique, mais diffrent sur la nature de l'espace interne dans lequel s'opre la fusion. De plus, une fois les modles raliss, nous les comparons aux donnes exprimentales dans des cas de congruence audiovisuelle, et dans des cas de conflits audiovisuels. Grce la modlisation baysienne, nous ralisons ainsi une slection de modles, c'est dire que nous comparons les modles de faon quantitative. Cette dmarche est originale dans le domaine, o la plupart des travaux prcdents se contentent de dfinir un modle unique. Notre travail ouvre de nombreuses pistes de recherches thoriques, notamment sur les algorithmes de slection de modles portant sur des espaces diffrents.
Document type :
Reports
Complete list of metadatas

Cited literature [15 references]  Display  Hide  Download

https://hal.inria.fr/inria-00182019
Contributor : Christian Laugier <>
Submitted on : Wednesday, October 24, 2007 - 6:26:35 PM
Last modification on : Wednesday, April 11, 2018 - 1:54:11 AM
Long-term archiving on : Monday, September 24, 2012 - 2:35:34 PM

File

rapport_master2.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00182019, version 1

Collections

INRIA | UGA | LARA | IMAG

Citation

Estelle Gilet. Modèles bayésiens et sélection de modèles de perception pour les systèmes sensori-moteurs. [University works] 2006. ⟨inria-00182019⟩

Share

Metrics

Record views

260

Files downloads

812