Missions

Le/la postdoctorant(e) aura pour mission de développer une commande prédictive centrée sur l’opérateur, à retour d’effort, pour un robot collaboratif, dans le but de réduire les troubles musculosquelettiques liés à l’interaction physique homme-robot.

Activités

- Développement d’un cadre théorique original pour la commande en effort de robots collaboratifs en interaction physique avec un humain.
- Revue de la littérature scientifique et amélioration des approches développées par l’équipe.
- Implémentation de la méthode proposée en C++ et/ou Python.
- Comparaison expérimentale avec des méthodes de l’état de l’art, notamment l’apprentissage par renforcement et les approches de type Model Predictive Path Integral.
- Validation en simulation, puis expérimentation sur un robot collaboratif Panda en interaction avec un opérateur humain.
- Rédaction et soumission d’un dossier au Comité de Protection des Personnes (CPP) en début de contrat pour les expérimentations impliquant des sujets humains.

Compétences

- Excellente maîtrise de la programmation en C++ et Python.
- Connaissances de base en apprentissage automatique (machine learning) et PyTorch ; une expérience avec le calcul GPU est un plus.
- Expertise en commande optimale et optimisation non linéaire.
- Maîtrise pratique de ROS (Robot Operating System) et de la commande de robots.
- Capacité à travailler en anglais et à rédiger des publications scientifiques dans cette langue.

Contexte de travail

Travail dans l'équipe Gepetto du LAAS-CNRS, dans le contexte du projet ANR HERCULES avec le LIRMM

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

RAS