Robot/environment interaction from the point of view of ecological psychology. Implementation of affordances
Interaction robot/environnement dans le cadre de la psychologie éco logique. Implémentation des affordances
Abstract
How can a robot estimate if a task can be carried on or not in a given environment ? Several works rely on affordances, borrowed from ecological psychology, to answer. In our view, to learn allowed actions requires to learn local and global dependence between sensors and effectors while the robot is active. To do so we identify the robot to a random sensorimotor network. In order to represent its activity we use probabilistic and statistical dependence measure. They make it possible to build matrices, graphs and simplicial complexes, then to study their spectral, topological and homological properties. Lastly the interest of these tools is assessed thanks to a simulated wheeled robot whose task is to achieve supervised and unsupervised classification of objects that allow pushability, or that don't.
Comment un robot peut-il estimer si une tâche est réalisable ou pas dans un envi ronnement donné ? De nombreux travaux en robotique s'appuient pour répondre sur les affordances de la psychologie écologique. Apprendre quelles sont les actions permises nécessite selon nous d'apprendre les relations de dépendances locales et globales entre capteurs et effecteurs au cours de l'action.
Pour cela nous assimilons le robot à un réseau sensorimoteur aléatoire, et pour représenter son activité nous introduisons des mesures de dépendance probabilist es et statistiques. Celles-ci nous permettent de construire des matrices, graphes et complexes simpliciaux aléatoires dont nous étudions les propriétés spectrales, topologiques et homologiques.
Puis nous vérifions expérimentalement l'intérêt des outils proposés à l'aide d'un robot mobile simulé, autour de la capacité de pousser les objets de l'environnement, dans le cadre de tâches de classification supervisée et non supervisée.
Pour cela nous assimilons le robot à un réseau sensorimoteur aléatoire, et pour représenter son activité nous introduisons des mesures de dépendance probabilist es et statistiques. Celles-ci nous permettent de construire des matrices, graphes et complexes simpliciaux aléatoires dont nous étudions les propriétés spectrales, topologiques et homologiques.
Puis nous vérifions expérimentalement l'intérêt des outils proposés à l'aide d'un robot mobile simulé, autour de la capacité de pousser les objets de l'environnement, dans le cadre de tâches de classification supervisée et non supervisée.