Portail HAL Ensta
Not a member yet
11080 research outputs found
Sort by
Humans monitor learning progress in curiosity-driven exploration
No full textInternational audienceCuriosity-driven learning is foundational to human cognition. By enabling humans to autonomously decide when and what to learn, curiosity has been argued to be crucial for self-organizing temporally extended learning curricula. However, the mechanisms driving people to set intrinsic goals, when they are free to explore multiple learning activities, are still poorly understood. Computational theories propose different heuristics, including competence measures (e.g., percent correct) and learning progress, that could be used as intrinsic utility functions to efficiently organize exploration. Such intrinsic utilities constitute computationally cheap but smart heuristics to prevent people from laboring in vain on unlearnable activities, while still motivating them to self-challenge on difficult learnable activities. Here, we provide empirical evidence for these ideas by means of a free-choice experimental paradigm and computational modeling. We show that while humans rely on competence information to avoid easy tasks, models that include a learning-progress component provide the best fit to task selection data. These results bridge the research in artificial and biological curiosity, reveal strategies that are used by humans but have not been considered in computational research, and introduce tools for probing how humans become intrinsically motivated to learn and acquire interests and skills on extended time scales
Temporal characterization of two-octave infrared pulses by frequency resolved optical switching
No full textInternational audienceWe present the temporal characterization of infrared pulses with spectra extending from 0.55 to 2.5 µm by using the frequency resolved optical switching (FROSt) technique. The pulses are obtained by broadening femtosecond pulses at 1.75 µm central wavelength in a two-stage hollow core fiber setup. This work demonstrates the capability of the FROSt technique to temporally characterize pulses with ultra-broadband spectra. Being free of phase-matching constraints, it enables the characterization of pulses with very low energy at the limit of the detection threshold and with arbitrary long pulse duration. This strength of the FROSt technique is illustrated by the characterization of supercontinua pulses whose spectra span over two octaves and with only 150 nJ energy that is spread temporally over almost 40 ps. The FROSt capabilities provide a versatile tool for the characterization of sub-cycle pulses and to study nonlinear processes such as supercontinuum generation
Du rôle des Actions et de l'Apprentissage Automatique dans la Perception des Agents Artificiels.
No full textAutomation is the medium by which the human species can free itself from the burden of tasks it has already solved. Such tasks are omnipresent in our daily lives, at home or in a professional context. A great quest in research is to build agents that can act and reason in the real-world, automating those solved tasks. For that, agents have to build a perception of their environments, just like humans do.Directly programming those agents is infeasible because of the complexity of the world and its interaction. That is why learning-based approaches have been prevalent in research for the past 20 years. While supervised learning of algorithms using labeled data has provided numerous useful applications, having agents that perceive the world as well as biological agents do would require prohibitive amounts of labeled data. Research has thus opted for unsupervised or weakly-supervised approach for building software algorithms that learn from data and can then be embedded in real robots that solve tasks in the real world.Thus, among the Machine Learning approaches, we have several sub-fields that each tackle different aspects of perception that agents should have. State Representation Learning (SRL) focuses on learning representations of what the agents experience. SRL tries to mimic the ability of humans to summarize complex scenes into compositional objects and concepts. Continual Learning (CL) aims at solving the infamous catastrophic forgetting problem of neural networks, which forget everything they learned when presented with new data. Humans do not suffer from this problem as we have memory and selective forgetting mechanisms that allow to continually learn throughout our lives. We finally have Reinforcement Learning (RL), which aims at learning to solve a task by maximizing the reward associated to it, a mechanism that is also present among biological agents.On the other hand, we also have more original approaches that do not necessarily have the same performances but are based on promising paradigms that could allow breakthroughs. Developmental robotics (Dev-Rob) is a sub-field of robotics which aims at developing biological-inspired methods for learning on real robots. We also have what we shall call in this manuscript the Embodied Agent approaches, which are theoretical and practical considerations based on theories of perception developed in psychology. In these theories, the role of actions is crucial in the development of perception. We will use this as a basis for most of our contributions.In this thesis we contribute to those sub-fields of research by developing theoretical insights and application algorithms which aim at creating agents with deeper levels of perception of their bodies and the environment. Specifically, we develop two novels approaches for Continual SRL and Continual RL with applications to real robots. We extend a theory on disentanglement for Representation Learning, by showing the crucial role of actions in the learning. We finally propose a novel learning mechanism for embodied agents based on the sensory commutativity of action sequences: we take inspiration from EA theories and develop theoretical insights as well as learning algorithms for object detection and self-body discovery.L'automatisation est le moyen par lequel l'espèce humaine peut se libérer du fardeau des tâches qu'elle a déjà résolues. Ces tâches sont omniprésentes dans notre vie quotidienne, à la maison ou dans un contexte professionnel. Une grande ambition dans la recherche est de créer des agents capables d'agir et de raisonner dans le monde réel, en automatisant ces tâches résolues. Pour cela, nous supposons les agents doivent construire une perception de leur environnement, tout comme les humains.La programmation directe de ces agents est impossible en raison de la complexité du monde et de ses interaction. C'est pourquoi les approches fondées sur l'apprentissage ont prévalu dans la recherche au cours des 20 dernières années. Alors que l'apprentissage supervisé des algorithmes utilisant des données étiquetées a fourni de nombreuses applications utiles, avoir des agents qui perçoivent le monde aussi bien que des agents biologiques exigerait des quantités prohibitives de données étiquetées. La recherche a ainsi opté pour des approches non supervisées ou faiblement supervisées pour construire des algorithmes qui apprennent à partir des données et peuvent ensuite être intégrés dans de vrais robots qui résolvent des tâches dans le monde réel.Ainsi, parmi les approches d'apprentissage automatique, nous avons plusieurs sous-domaines qui abordent chacun différents aspects de la perception que les agents devraient avoir. L'apprentissage de répresentations d'états (ARE) se concentre sur l'apprentissage des représentations de l'expérience des agents. Le ARE essaie d'imiter la capacité des humains à résumer des scènes complexes en objets et concepts de composition. L'apprentissage continu vise à résoudre le célèbre problème d'oubli catastrophique des réseaux de neurones, qui oublient tout ce qu'ils ont appris lorsque de nouvelles données leur sont présentées. Les humains ne souffrent pas de ce problème car nous avons une mémoire et des mécanismes d'oubli sélectifs qui permettent d'apprendre continuellement tout au long de notre vie. Nous avons enfin l'apprentissage par renforcement, qui vise à apprendre à résoudre une tâche en maximisant la récompense qui lui est associée, mécanisme qui est également présent chez les agents biologiques.D'un autre côté, nous avons aussi des approches plus originales qui n'ont pas forcément les mêmes performances mais reposent sur des paradigmes prometteurs qui pourraient permettre des progrès de recherche. La robotique développementale est un sous-domaine de la robotique qui vise à développer des méthodes d'apprentissage inspirées de la biologie sur de vrais robots. Nous avons aussi ce que nous appellerons dans ce manuscrit les approches de l'agent incarné, qui sont des considérations théoriques et pratiques basées sur les théories de la perception développées en psychologie, philosophie et sciences cognitives. Dans ces théories, le rôle des actions est crucial dans le développement de la perception. Nous utiliserons cela comme base pour la plupart de nos contributions.Dans cette thèse, nous contribuons à ces sous-domaines de recherche en développant des connaissances théoriques et des algorithmes d'application qui visent à créer des agents avec des niveaux plus profonds de perception de leur corps et de l'environnement. Plus précisément, nous développons deux approches novatrices pour l'apprentissage de représentation d'états et l'apprentissage continu avec des applications à de vrais robots. Nous étendons une théorie sur la désintrication pour l'apprentissage de représentation, en montrant le rôle crucial des actions dans l'apprentissage. Nous proposons enfin un nouveau mécanisme d'apprentissage des agents incarnés basé sur la commutativité sensorielle des séquences d'action: nous nous inspirons des théories sur la perception et développons des connaissances théoriques ainsi que des algorithmes d'apprentissage pour la détection d'objets et la découverte du corps
Visual and Chemical Servoing of a Hexapod Robot in a Confined Environment Using Jacobian Estimator
No full textInternational audienceIndustrial inspection can be achieved through robotic systems, allowing visual and chemical servoing. A popularscheme for visual servo-controlled robotic is the image-based servoing sys-tems. In this paper, an approach of visual and chemical servoing of a hexapod robot using a visual and chemical Jacobian matrix are proposed. The basic idea behind the visual Jacobian matrix is modeling the differential relationship between the camera system and the robotic control system to detect and track accurately points of interest in confined environments. This approach allows the robot to easily detect and navigates to the QR code or seeks a gas source localization using surge cast algorithm. To track the QR code target, a visual servoing based on Jacobian matrix is used. For chemical servoing, three gas sensors are embedded on the hexapod. A Jacobian matrix applied to the gas concentration measurements allows estimating the direction of the main gas source. The effectiveness of the proposed scheme is first demonstrated on simulation. Finally, a hexapod prototype is designed and built and the experimental validation of the approach is presented and discussed
Outils élémentaires d'analyse pour les Equations aux Dérivées Partielles
No full textEngineering schoolCe cours présente quelques-uns des principaux outils de l’analyse pour l’étude mathématique des équations aux dérivées partielles issues des sciences physiques ou humaines. Le chapitre 1 rappelle quelques notions essentielles concernant la topologie des espaces vectoriels normés. Le chapitre 2 est une introduction succincte à l’intégrale de Lebesgue, l’idée étant ici de comprendre quels sont les avantages de cette intégrale par rapport à celle de Riemann, et non pas de détailler la théorie sous-jacente. Le chapitre 3 expose les bases de la théorie des distributions, due à Laurent Schwartz, qui généralise la notion de fonction. Le chapitre 4 présente les propriétés fondamentales de la transformation de Fourier pour les fonctions intégrables et les fonctions de carré intégrable. Le chapitre 5 est consacré aux espaces de Hilbert qui, dans le cas de la dimension infinie, fournissent un cadre de travail analogue aux espaces euclidiens. Le chapitre 6 donne des exemples d’espaces de Hilbert qui jouent un rôle important dans l’étude des équations aux dérivées partielles : les espaces de Sobolev. Enfin, le chapitre 7 pose les bases de l’analyse variationnelle des problèmes elliptiques, qui ouvre notamment la porte à la méthode des éléments finis. Mais c’est là une autre histoire.
Analyse de réseaux : cas d’applications à des dynamiques d’innovations technologiques.
No full textInternational audienc
Understanding Human-Wildlife Conflict as an Interspecific Competition Using Human Behavioral Ecology
No full textInternational audienc
OFDM signal down frequency conversion based on a SOA-MZI sampling mixer using differential modulation and switching architectures
No full textInternational audienceA simulation performance analysis of a semiconductor optical amplifier Mach–Zehnder interferometer (SOA-MZI) sampling mixer used as a frequency down converter is presented by employing differential modulation and switching architectures. A clock pulse signal, generating 2 ps-width pulses at a sampling frequency of 13 GHz, is used as a sampling signal. Two optical carriers, intensity-modulated by a sinusoidal signal at 79 and 80 GHz are simultaneously down converted to 1 and 2 GHz, respectively. For the differential modulation architecture, conversion gains of about 34 and 32 dB are demonstrated for the frequency down conversion to 1 and 2 GHz, respectively. Besides, the conversion gain of 20 dB is achieved for down conversion from 79 to 1 GHz for the differential switching architecture. Furthermore, signals modulated by an orthogonal frequency division multiplexing (OFDM) complex modulation format at different bit rates are also down converted from 79 to 1 GHz and from 80 to 2 GHz and their error vector magnitude (EVM) is evaluated and compared. A maximum bit rate of about 8 Gbps satisfying the forward error correction (FEC) limit is fulfilled using differential modulation and switching architectures
Parametric Study of Accidental Impacts on an Offshore Wind Turbine Composite Blade
No full textInternational audienceWind turbine blades are the key components that allow the extraction of energy from the wind; these blades are often subjected to accidental impacts which usually occurs on moving blades with maintenance tools, hail, or flying birds, resulting in a significant degradation of the structural integrity of the blade. In this paper, a numerical simulation is adopted using finite element method (FEM) with ABAQUS software to investigate the mechanical behavior of a GRP composite wind turbine blade under low-velocity impact in operating conditions. On the other hand, damage modeling was formulated based on Hashin criteria for intra-laminar damage to detect failure modes in large wind turbine blade, the sensitive zones, and the size of damaged areas. To investigate this situation, a comparative evaluation was carried out considering many impact scenarios and the main parameters such as the impactor geometry, velocity, and weight. The results are then examined and analyzed, which show that major damage appeared at the tip of the blade and on trailing edge. Furthermore, the impactor geometry affects the type of damage, the weight affects the size of the damaged area, while the impact velocity influences the mechanical response of the composite wind turbine blade
Vers des stratégies efficaces de collecte de données et de prise de décision pour les réseaux de capteurs à ressources limitées
No full textWhile the potential benefits of sensingbased technology is real and significant, two major challenges remain in front of fully realizing this potential: resource-constrained sensors, especially the battery power, and decision making in real-time applications. In this thesis, we propose several data collection and analysis mechanisms that allow overcoming the limited sensor resources and the big data collection challenges imposed by sensing-based networks, under the clustering-based network architecture. Mainly, the proposed mechanisms work on three network levels (e.g. sensor, CH and sink), and they aim to reduce the amount of data routed in the network while preserving the information integrityat the sink. At the sensor level, we propose data prediction, aggregation and compression methods based respectively on Newton forward difference, divide-and-conquer and elimination similarity algorithms with the aim to reduce the raw data collected by each sensor. At the CH level, we propose new data clustering, fusion, in-network aggregation and scheduling techniques that aim to search the correlation among neighbouring nodes then to eliminate the existing data redundancies before sending the data toward the sink. At the sink level, we introduce efficient decision-making models based on customizable user-defined tables that allow end users to analyse the data and make an early decision. Weanalysed the performance of our mechanisms based on a set of simulation and experimentations. The obtained results have shown the efficiency of our mechanisms according to energy consumption, data accuracy, and coverage area while improving the performance of sensing-based networks.Bien que les avantages potentiels de la technologie de capteurs soient réels et importants, deux défis majeurs restent à relever pour réaliser pleinement ce potentiel : les ressources limitées de capteurs, en particulier la puissance de la batterie, et la prise de décision dans les applications de temps réel. Dans cette thèse, nous proposons plusieurs mécanismes de collecte et d'analyse de données qui permettent de surmonter les ressources limitées de capteurs et les défis de collecte de données volumineux imposés par les réseaux de capteurs, en se basant sur l’architecture clustering de réseaux. Principalement, les mécanismes proposés fonctionnent à trois niveaux de réseau (par exemple, capteur, CH et puits), et ils visent à réduire la quantité de données disséminées dans le réseau tout en préservant l'intégrité des informations au niveau du puits. Au niveau du capteur, nous proposons des méthodes de prédiction, d'agrégation et de compression de données basées respectivement sur des algorithmes de Newton Forward Difference, de divide-and-conquer et d'élimination de similarité dans le but de réduire les données brutes collectées par chaque capteur. Au niveau de CH, nous proposons de nouvelles techniques de clustering, de fusion, d'agrégation intermédiaire et d'ordonnancement qui visent à rechercher la corrélation entre les noeuds voisins puis à éliminer les redondances de données existantes avant d'envoyer les données vers le puits. Au niveau du puits, nous introduisons des modèles de prise de décision efficaces basés sur un tableau de score qui permet aux utilisateurs finaux d'analyser les données et de prendre une décision convenable. Nous avons évalué les performances de nos mécanismes en se basant sur de simulations et d'expérimentations. Les résultats obtenus ont montré l'efficacité de nos mécanismes en terme de la consommation d'énergie, de la précision des données et de la zone de couverture tout en améliorant les performances des réseaux de capteurs