Programmation bayésienne des robots

Olivier Lebeltel 1 Pierre Bessiere 1 Julien Diard 1 Emmanuel Mazer 1
1 E-MOTION - Geometry and Probability for Motion and Action
GRAVIR - IMAG - Graphisme, Vision et Robotique, Inria Grenoble - Rhône-Alpes
Résumé : Cet article propose une mthode originale de programmation des robots fonde sur linfrence et lapprentissage baysien. Cette mthode traite formellement des problmes dincertitude et dincompltude inhrents au domaine considr. La principale difficult de la programmation des robots vient de linvitable incompltude des modles utiliss. Nous exposons le formalisme de description dune tche robotique ainsi que les mthodes de rsolution. Nous lillustrons en utilisant ce systme pour programmer une application de surveillance pour un robot mobile : le Khepera. Pour cela, nous utilisons des ressources gnriques de programmation appeles descriptions . Nous montrons comment dfinir et utiliser de manire incrmentale ces ressources (comportements ractifs, fusion capteur, reconnaissance de situations et squences de comportements) dans un cadre systmatique et unifi
Document type :
Journal articles
Complete list of metadatas

Cited literature [61 references]  Display  Hide  Download

https://hal.inria.fr/inria-00182069
Contributor : Christian Laugier <>
Submitted on : Wednesday, October 24, 2007 - 6:46:24 PM
Last modification on : Thursday, February 7, 2019 - 4:31:11 PM
Long-term archiving on : Monday, April 12, 2010 - 12:35:16 AM

File

BRP_RIA.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00182069, version 1

Collections

INRIA | UGA | IMAG

Citation

Olivier Lebeltel, Pierre Bessiere, Julien Diard, Emmanuel Mazer. Programmation bayésienne des robots. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2004, 18, 18 (2), pp.261--298. ⟨inria-00182069⟩

Share

Metrics

Record views

412

Files downloads

1125