Thèse Synergie et Interactions Physiques Fines Entre Humains et Robots Humanoïdes pour des Activités Collaboratives H/F - 75

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes
École doctorale : Sciences Mécaniques et Energétiques, Matériaux et Géosciences
Laboratoire de recherche : Laboratoire Universitaire de Recherche en Production Automatisée
Direction de la thèse : Olivier BRUNEAU ORCID 0000000234852186
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-21T23:59:59

Longtemps confinés aux démonstrateurs, les robots humanoïdes approchent le cap d'industrialisation avec des applications allant de l'industrie manufacturière à la santé en passant par le divertissement. Il est aujourd'hui reconnu que les grandes avancées technologiques et scientifiques essentielles à opérer pour leur déploiement à grande échelle sont la sécurité garantie pour les êtres humains avec une interaction fluide sans barrière physique, l'autonomie énergétique et décisionnelle sur une journée de travail, la motricité fine et la réduction des coûts de ces systèmes.
La problématique que l'on adressera au travers de cette thèse se concentrera sur l'interaction physique fluide avec les êtres humains tout en garantissant un comportement stable du robot lors de tâches collaboratives.

Collaboration entre le LURPA (Université Paris-Saclay, ENS Paris-Saclay) et le LISV (Université de Versailles Saint Quentin) autour de l'exploitation d'un robot humanoïde G1 de la société UNITREE pour des tâches collaboratives nécessitant des interactions physiques fines entre humains et robots

Dans ce contexte, l'objectif principal de la thèse consiste à produire des interactions physiques fluides personnalisées et sécurisées avec les êtres humains en intégrant dans la modélisation et la commande du robot d'une part les dernières avancées en neurosciences du mouvement humain, d'autre part l'ajustement à la variabilité inter-individus et intra-individu, et ce, pour des tâches non scénarisées mettant en exergue les capacités d'adaptabilité du robot.

Afin de parvenir à ces objectifs, nous nous proposons de tirer parti d'un modèle génératif du mouvement humain qui intègre ses caractéristiques pour améliorer l'assistance du robot grâce à un schéma de contrôle par apprentissage par démonstration.
L'un des points clés essentiels sera de produire une modélisation synthétique représentative des interactions entre l'humain et le robot qui devra être capable de refléter les données de démonstration mais conservant dans la mesure du possible un sens mécanique. Cette modélisation pourra en partie être obtenue par régression symbolique composée uniquement de fonctions différentiables. Cette propriété pourra ainsi être exploitée d'une part pour générer des données synthétiques et entraîner le robot, éliminant ainsi le besoin de démonstrations réelles, d'autre part pour optimiser les paramètres d'interaction, et enfin pour établir des garanties de stabilité à partir d'approximations encadrant ces fonctions différentiables.
Ces fonctions seront ensuite utilisées pour prédire le chemin à venir de l'utilisateur en temps réel, en tenant compte de la variabilité naturelle des mouvements humains. In fine, sur cette base, un contrôleur prédictif basé sur le jeu différentiel pour les robots d'assistance sera développé. Celui-ci assurera une interaction optimale avec l'utilisateur humain en prédisant son contrôle pendant le mouvement tout en tenant compte d'un horizon de planification fini. Ce nouveau modèle de contrôleur de jeu prédictif devra permettre la co-adaptation humain-robot avec un maintien d'une interaction stable tout en réduisant efficacement l'effort humain. Le robot devra s'adapter au comportement humain, en identifiant et en caractérisant les stratégies de contrôle moteur individuelles restant cohérentes dans le temps.