|
27-27 oct. 2022 Kyoto (Japon)
|
Invited SpeakersAvis : en raison des restrictions de temps d'IROS2022 (nous avons 2 heures de moins par rapport à l'heure initiale de l'atelier), tous les intervenants deviennent des conférenciers principaux, puisqu'ils auront le même temps pour leur présentation.
Keynote Speakers
Alessandra Sciutti
Web: https://www.iit.it/it/people-details/-/people/alessandra-sciutti Google Scholar: https://scholar.google.com/citations?user=YdbEJn8AAAAJ&hl=es&oi=ao Courte biographie : Alessandra Sciutti est chercheuse tenure track, responsable de l'unité CONTACT CONTACT (COgNiTive Architecture for Collaborative Technologies)de l'Institut italien de technologie (IIT). Elle a obtenu son B.S. et M.S. diplômes en bioingénierie et le doctorat. en technologies humanoïdes de l'Université de Gênes en 2010. Après deux périodes de recherche aux États-Unis et au Japon, elle a reçu en 2018 l'ERC Starting Grant wHiSPER (www.whisperproject.eu), axé sur l'étude de la perception conjointe entre les humains et les robots . Elle a publié plus de 80 articles et résumés dans des revues et conférences internationales et a participé à la coordination du projet européen CODEFROR IRSES (https://www.codefror.eu/). Elle est actuellement rédactrice en chef associée de plusieurs revues, parmi lesquelles International Journalof Social Robotics, IEEE Transactions on Cognitive and Developmental Systems et Cognitive System Research. L'objectif scientifique de ses recherches est d'étudier les mécanismes sensoriels et moteurs qui sous-tendent la compréhension mutuelle dans l'interaction homme-homme et homme-robot. Pour plus de détails sur ses recherches, ainsi que la liste complète des publications, veuillez consulter le site Web de l'unité de contact ou son profil Google Scholar.
Titre du discours : “ Un robot peut-il être intelligent sans être social ? ” (In-person talk)
Yiannis Demiris
Web: www.imperial.ac.uk/people/y.demiris Google Scholar: https://scholar.google.com/citations?user=B2o5i-AAAAAJ&hl=es&oi=ao Courte biographie : Yiannis Demiris est professeur de robotique centrée sur l'humain à l'Impériale, où il est titulaire d'une chaire de l'Académie royale d'ingénierie en technologies émergentes (robotique d'assistance personnelle). Il a créé le Personal RoboticsLaboratory à l'Imperial en 2001. Il est titulaire d'un doctorat en robotique intelligente et d'un BSc (avec distinction) en intelligence artificielle et en informatique, tous deux de l'Université d'Édimbourg. Les intérêts de recherche du professeur Demiris incluent l'intelligence artificielle, l'apprentissage automatique et la robotique intelligente, en particulier dans la perception intelligente, la modélisation d'utilisateurs multi-échelles et les architectures de contrôle cognitif adaptatif afin de déterminer comment les robots intelligents peuvent générer une assistance personnalisée aux humains afin d'améliorer leur physique, bien-être cognitif et social.
Titre du discours : L'IA pour la robotique d'assistance personnelle (Online) Résumé: Les robots d'assistance ont un grand potentiel pour donner aux gens les moyens d'accomplir leurs tâches prévues, par exemple lors d'activités de la vie quotidienne, telles que s'habiller, se déplacer, se nourrir et remettre des objets. Leur potentiel peut être maximisé en veillant à ce que les interfaces utilisées pour interagir avec les robots restent adaptables aux utilisateurs et au contexte d'interaction. L'intelligence artificielle peut aider en faisant passer les interfaces de la présentation des données à l'offre d'affordances, en utilisant par exemple la planification et les visualisations de réalité augmentée. Dans cet exposé, je décrirai les recherches menées dans notre laboratoire de robotique personnelle à l'Imperial College de Londres (imperial.ac.uk/personal-robotics) pour développer des algorithmes qui permettent l'apprentissage pendant l'interaction homme-robot, à la fois pour les robots et pour humains; Je démontrerai leur application dans les activités de la vie quotidienne et illustrerai comment la vision par ordinateur, l'apprentissage et la réalité augmentée peuvent permettre des interfaces utilisateur adaptatives pour interagir avec des robots d'assistance de manière sûre, efficace et digne de confiance.
Cynthia Matuszek
Web: https://www.csee.umbc.edu/~cmat/ Google Scholar: https://scholar.google.com/citations?user=C3NuO-AAAAAJ&hl=es&oi=ao Courte biographie :Cynthia Matuszek est professeure agrégée d'informatique et de génie électrique à l'Université du Maryland, comté de Baltimore, et directrice de l'Interactive Robotics and Languagelab de l'UMBC. Ses recherches portent sur la façon dont les robots peuvent apprendre un langage ancré à partir d'interactions avec des non-spécialistes, ce qui comprend des travaux non seulement sur la robotique, mais aussi sur les interactions homme-robot, le langage naturel et l'apprentissage automatique, éclairés par une formation en raisonnement de bon sens et en classique. intelligence artificielle. Le Dr Matuszek a publié des articles sur l'apprentissage automatique, l'intelligence artificielle, la robotique et les interactions homme-robot.
Titre du discours : Natural Language Grounding et HRI en VR (Online) Résumé: Au fur et à mesure que les robots passent des laboratoires et des usines à des espaces centrés sur l'humain, il devient de plus en plus difficile de prédéterminer les environnements et les interactions qu'ils devront pouvoir gérer. Laisser les robots apprendre des utilisateurs finaux via le langage naturel est une approche intuitive et polyvalente pour gérer des environnements dynamiques et des situations nouvelles de manière robuste, tandis que l'acquisition du langage ancré consiste à apprendre à comprendre le langage dans le contexte du monde physique. Dans cette présentation, je donnerai une vue d'ensemble de notre travail sur l'apprentissage de la sémantique ancrée du langage naturel décrivant l'environnement d'un agent, et décrirai le travail sur l'application de ces modèles dans un environnement d'apprentissage du langage sim-to-real.
Matthias Scheutz
Web: https://hrilab.tufts.edu/people/matthias.php Google Scholar: https://scholar.google.com/citations?user=5yT3GScAAAAJ&hl=es&oi=ao Courte biographie : Matthias Scheutz est professeur titulaire en informatique à l'Université Tufts et directeur du Laboratoire d'interaction homme-robot. Il a plus de 400 publications sur l'intelligence artificielle, la compréhension du langage naturel, la robotique et l'interaction homme-robot, avec des recherches actuelles axées sur des robots éthiques complexes dotés de capacités d'apprentissage basées sur l'instruction dans des mondes ouverts.
Titre du discours : DIARC : L'utilité d'une architecture robotique cognitive pour l'IRH basée sur l'IA (Online) Résumé: Alors que des techniques d'IA plus avancées sont explorées dans tous les domaines de la robotique, les intégrer de manière fonctionnelle et systématique devient un défi de plus en plus difficile. Les architectures cognitives ont depuis le début tenté de présenter une vision unifiée de la cognition et constituent donc un cadre prometteur pour intégrer diverses fonctions cognitives, en particulier les capacités nécessaires à l'interaction naturelle homme-robot. Dans cette présentation, nous soutiendrons qu'une architecture robotique cognitive distribuée telle que l'architecture "Distributed Integrated Affect Reflection Cognition" (DIARC) est une plate-forme idéale pour développer et évaluer des algorithmes avancés pour l'IRH naturelle. Nous fournirons un bref aperçu de DIARC en mettant l'accent sur les capacités nécessaires pour les interactions de dialogue basées sur les tâches et démontrerons ces capacités dans une variété de paramètres d'interaction homme-robot.
Web: https://dorsa.fyi/ Google Scholar: https://scholar.google.com/citations?user=ZaJEZpYAAAAJ&hl=es&oi=ao Courte biographie : Dorsa Sadigh est professeure adjointe en informatique et en génie électrique à l'Université de Stanford. Ses intérêts de recherche se situent à l'intersection de la robotique, de l'apprentissage et de la théorie du contrôle. Plus précisément, elle s'intéresse au développement d'algorithmes pour une interaction homme-robot et homme-IA sûre et adaptative. Dorsa a obtenu son doctorat en génie électrique et en informatique (EECS) de l'UC Berkeley en 2017 et a obtenu son baccalauréat en EECS de l'UC Berkeley en 2012. Elle reçoit la bourse Sloan, NSF CAREER, ONR Young Investigator Award, AFOSR Young Investigator Award, DARPA Young Faculty Award, Okawa Foundation Fellowship, MIT TR35 et IEEE RAS Early Academic Career Award.
Titre du discours : Apprendre à partir de sources de données non traditionnelles (Online) Résumé: L'apprentissage par imitation s'est traditionnellement concentré sur l'apprentissage d'une politique ou d'une fonction de récompense à partir de démonstrations d'experts. Cependant, dans la pratique, dans de nombreuses applications robotiques, nous avons un accès limité aux démonstrations d'experts. Aujourd'hui, je vais parler d'un ensemble de techniques pour relever certains des défis de l'apprentissage à partir de sources de données non traditionnelles, c'est-à-dire des démonstrations sous-optimales, des classements, des données de jeu et des corrections physiques. Je parlerai d'abord de notre approche d'apprentissage par imitation consciente de la confiance qui estime simultanément une mesure de confiance sur les démonstrations et les paramètres politiques. Je parlerai ensuite de l'extension de cette approche pour apprendre une mesure de confiance sur l'expertise de différents démonstrateurs de manière non supervisée. Ensuite, je discuterai de la manière dont nous pouvons apprendre des modèles plus expressifs tels qu'une fonction de récompense multimodale lors de l'apprentissage à partir d'un mélange de données de classement. Enfin, je parle de nos efforts récents pour apprendre d'autres sources de données non traditionnelles dans des domaines interactifs. Plus précisément, nous montrons comment la prédiction des affordances latentes peut être importante lors de l'apprentissage à partir de données de jeu non dirigées dans des domaines interactifs, et comment nous pouvons apprendre d'une séquence d'interactions grâce à des corrections physiques.
Yutaka Nakamura
Web: https://www.riken.jp/en/research/labs/r-ih/guard_robo_proj/behav_learn/index.html Google Scholar: Courte biographie : Le Dr Yutaka Nakamura est chef d'équipe du Guardian Robot Project, RIKEN, Japon. Il a obtenu son doctorat. de l'école doctorale des sciences de l'information, Institut des sciences et technologies de Nara en 2004 et a travaillé comme chercheur postdoctoral jusqu'en 2006 sur l'apprentissage par renforcement pour la marche bipède. De 2006 à 2020, il a travaillé à l'Université d'Osaka et a étudié la génération de mouvement pour les robots au corps compliqué et les mécanismes d'apprentissage pour les robots de communication. Son objectif est de développer des robots qui apprennent à se comporter dans des espaces du quotidien où ils coexistent avec les humains à travers leurs propres expériences. Ses intérêts de recherche comprennent l'apprentissage par renforcement, la planification du mouvement et les modèles génératifs pour l'interaction homme-robot.
Titre du discours : Modélisation d'une interaction dyadique à l'aide d'un réseau neuronal profond (In person talk) Résumé: Les robots de communication sont censés être des systèmes qui accompagnent les humains et enrichissent la vie des gens puisqu'ils peuvent potentiellement interagir avec les humains de manière naturelle. Pour s'en rendre compte, il semble important que les robots communiquent de manière fluide avec les humains, mais il est difficile pour les robots de communiquer à un bon rythme, contrairement aux humains. Les humains interagissent avec les autres de manière bidirectionnelle en utilisant de multiples modalités, y compris la communication non verbale. Une personne peut donner des réponses telles que hocher la tête pendant que l'autre parle, et un chevauchement peut se produire lors du tour de rôle. Un tel comportement de type communication en duplex intégral est différent d'un dialogue question-réponse, dans lequel une réponse est donnée une fois la reconnaissance terminée. Dans cette présentation, nous présenterons nos approches de modélisation du comportement lors d'un dialogue, en utilisant des modèles dans lesquels les actions de tous les participants sont considérées simultanément. Quelques résultats préliminaires de l'application de modèles de réseaux de neurones profonds à une interaction dyadique capturée par une caméra panoramique à 360-degrés seront présentés. Luca locchi
Web: www.diag.uniroma1.it/iocchi Google Scholar: https://scholar.google.com/citations?user=KHhijC0AAAAJ&hl=es&oi=sra Courte biographie : Le professeur Luca locchi est professeur titulaire à l'Université Sapienza de Rome, en Italie, enseignant dans le Master en intelligence artificielle et robotique et actuellement coordinateur du programme de doctorat en ingénierie en informatique. Ses principaux intérêts de recherche comprennent la robotique cognitive, la planification des tâches, la coordination multi-robot, la perception des robots, l'apprentissage des robots, l'interaction homme-robot et la robotique sociale. Il est l'auteur de plus de 180 articles référés (h-index 45 [Google Scholar]) dans des revues et conférences en intelligence artificielle et robotique. Il est actuellement rédacteur en chef adjoint de la revue Artificial Intelligence Journal et a organisé plusieurs événements scientifiques. Il a été chercheur principal de plusieurs projets internationaux, européens, nationaux et industriels en intelligence artificielle et en robotique. Il est actuellement Vice-Président de la Robo Cup Federation (membre du Board of Trustees depuis 2013) et a contribué au benchmarking des robots de service domestiques à travers des compétitions scientifiques avec la RoboCup@Home et l'European Robotics League Service Robots (ERL-SR), dont il est membre des Comités d'organisation depuis leur origine. Il a organisé plusieurs compétitions internationales de robots scientifiques, ainsi que des compétitions étudiantes axées sur les robots de service et l'interaction homme-robot (notamment ERL-SR, European RoboCupJunior Championship et RoboCup@Home Education Challenges). Il a également supervisé le développement de plusieurs équipes différentes participant à des compétitions de robots.
Titre du discours : Robots sociaux cognitifs (Online) Résumé: De plus en plus d'applications robotiques envisagent des modèles human-in-the-loop, non seulement pour accomplir les tâches spécifiques des applications, mais aussi pour accroître l'acceptabilité des utilisateurs et la fiabilité des technologies de la robotique et de l'intelligence artificielle. Dans ce contexte, les robots doivent présenter à la fois des capacités cognitives et des capacités sociales, afin d'atteindre les objectifs de la tâche tout en interagissant correctement avec les personnes de l'environnement. Dans cet exposé, nous discuterons de la conception et de la mise en œuvre de robots sociaux cognitifs du point de vue de la représentation des connaissances, illustrant les problèmes et les solutions possibles pour une intégration efficace des fonctionnalités cognitives, telles que la planification, le raisonnement et l'apprentissage, avec des capacités sociales, telles que l'humain. interaction multimodale robot, gestion du dialogue, etc.
|
| Personnes connectées : 3 | Vie privée |
|
