Institut des Systèmes Intelligents
et de Robotique

Partenariats

UPMC

CNRS

INSERM

Tremplin CARNOT Interfaces

Labex SMART

Rechercher

AMAC


Architectures et Modèles pour l'Adaptation et la Cognition

 

Objet des recherches

L'équipe s'intéresse à l'élaboration de modèles des fonctions perceptives, cognitives et motrices ainsi qu'à la synthèse d'architectures de contrôle dans une perspective intégrative. Elle a ainsi une finalité double à la fois de compréhension du vivant au travers d'une démarche de modélisation mathématique et informatique des fonctions cognitives et motrices, et de synthèse d'architectures de contrôle robotiques pour doter les robots de capacités cognitives et motrices intégrant la décision et l'apprentissage. Les méthodologies développées s'appuient sur l'interaction entre la biologie et les sciences de l'ingénierie, en poursuivant un but commun: la compréhension des mécanismes sous-jacents à la perception, l'action, la décision et leur organisation, la biologie servant d'inspiration pour les développements robotiques, et les sciences de l'ingénieur proposant leurs méthodes et outils pour la modélisation, la synthèse ou encore la validation des hypothèses considérées.
 
L'axe neurosciences computationnelles s'intéresse en priorité aux points suivants :
  • Sélection de l'action : gestion de la compétition entre actions conflictuelles en fonction de besoins internes et des ressources disponibles.
  • Interaction entre boucles dédiées à différents types de sélection : (i) coordination des mouvements de l'oeil et du bras, (ii) hiérarchie entre stratégies de navigation, (iii) de manière générale, apprentissage parallèle et interaction entre comportements dirigés vers un but et comportements habituels.
  • Apprentissages basés sur la récompense : (i) amélioration du réalisme biologique de la théorie du renforcement, (ii) modélisation moléculaire de la modulation dopaminergique de la plasticité synaptique cortico-striatale, (iii) confrontation des cadres théoriques, (iv) meta-apprentissage.
  • Structuration temporelle de la mémoire de travail dans les réseaux de neurones récurrents basée sur (i) les propriétés intrinsèques (canaux ioniques) neuronales (bistabilité, multistabilité, rampes, etc) et (ii) les capacités d’apprentissage par la plasticité des propriétés intrinsèques.
  • Parsing automatique de la structure temporelle du flux comportemental par l'interaction entre cortex frontal et ganglions de la base.
 
L'axe sciences de l'ingénierie s'intéresse en priorité aux points suivants:
  • Développement de mécanismes d'adaptation de systèmes robotiques complexes
  • Modélisation de répertoires d'actions mobilisables par un système de décision pour maximiser une récompense
  • Intégration des capacités d'apprentissage dans l'architecture cognitive globale de perception/interprétation, décision et action
  • Étude des pressions de sélection à mettre en oeuvre dans un contexte de robotique évolutionniste pour limiter les risques de convergence prématurée, l'écart de comportement entre simulation et réalité ou encore le surapprentissage
  • Synthèse de fonction cognitives élémentaires (mémoire, sélection d'action) dans un cadre intégratif.
 

Compétences

La complémentarité de ces objectifs déclinés dans le cadre de la biologie ou de l'ingénierie se reflète dans la composition de l'équipe qui inclut des chercheurs issus de différentes disciplines, notamment des neurosciences computationnelles et de l'intelligence artificielle.
En ce qui concerne les neurosciences computationnelles, les compétences de l'équipe concernent notamment les points suivants:
  • modélisation au niveau "système" des boucles cortico-basales, tecto-basales, et de leurs interactions avec la formation hippocampique
  • modèles biophysiques de l'excitabilité des neurones du cortex cérébral, du cervelet, du striatum
  • modèles biochimiques de la plasticité synaptique et intrinsèque des neurones centraux
  • modèles biochimiques de la neuromodulation dopaminergique
  • modèles de réseaux de neurones biologiquement réalistes
  • fonctions motrices
  • navigation, apprentissage, sélection de l'action, contrôle cognitif
En ce qui concerne les sciences de l'ingénieur et l'intelligence artificielle, les compétences de l'équipe concernent notamment les points suivants:
  • apprentissage par renforcement
  • robotique évolutionniste
  • algorithmes évolutionnistes multi-objectifs
  • raisonnement probabiliste et bayesien
  • architectures de contrôle

Membres Permanents
BESSIèRE Pierre Page personnelle
BREDECHE Nicolas Page personnelle
CHATILA Raja Page personnelle
CONINX Alexandre Page personnelle
delord Bruno Page personnelle
doncieux Stéphane Page personnelle
genet Stéphane Page personnelle
girard Benoît Page personnelle
guigon Emmanuel Page personnelle
khamassi Mehdi Page personnelle
sigaud Olivier Page personnelle
Membres Non Permanents
AKLIL Nassim Page personnelle
AUBERT-KATO Nathanael Page personnelle
CAZE Romain Page personnelle
CINOTTI François Page personnelle
DROULEZ Jacques Page personnelle
FOURNIER Pierre Page personnelle
GOTTSTEIN Raphaël Page personnelle
GRIESSINGER Thibaud Page personnelle
JAIN Shashank Page personnelle
KIM Seungsu Page personnelle
LE GOFF Leni Page personnelle
LUCE-VAYRAC Pierre Page personnelle
MAESTRE Carlos Page personnelle
MUKHTAR Ghanim Page personnelle