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 d'une collaboration avec TUB.

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