Subvention

Modélisation probabiliste neuro-symbolique

La théorie des probabilités est un cadre permettant de représenter l’incertitude – causée par la variabilité ou par des facteurs non modélisés et non observés – dans une multitude de quantités observées. La modélisation probabiliste permet d’aller au-delà du bruit et de l’incertitude dans un certain nombre de systèmes autonomes, notamment grâce à l’adoption généralisée d’algorithmes probabilistes. La modélisation probabiliste a permis à la robotique de passer de systèmes fragiles, réglés à la main, à des systèmes suffisamment robustes pour fonctionner dans le monde naturel avec des capteurs exposés à une grande quantité de bruit de fond. Pour interagir avec un environnement complexe et partiellement inconnu, les robots et les créatures biologiques doivent représenter et manipuler des probabilités. Bien qu’il existe des formalismes mathématiques basés sur les probabilités, tels que l’optimisation bayésienne, ils supposent souvent une puissance de calcul illimitée, et leur mise en oeuvre sur du matériel physique plus réaliste ou dans des réseaux de neurones artificiels pose problème. Ces dernières années, diverses méthodes ont été mises au point pour commencer à relier les informations probabilistes aux réseaux neuronaux. L’objectif général du projet est de développer ces techniques et de les appliquer aux systèmes flexibles de robotique souple