caor@mines-paristech.fr

Eva Coupeté plaisir de vous inviter à sa soutenance de thèse qui aura lieu, sous réserve de l’avis favorable d’un des deux rapporteurs, le jeudi 10 novembre à MINES ParisTech à 14h (salle L109).

La thèse s’intitule « Reconnaissance de gestes pour la collaboration homme-robot sur chaîne de montage ».

Un robot assiste un opérateur dans le montage d'éléments sur une portière.

Un robot assiste un opérateur dans le montage d’éléments sur une portière.

Le jury sera composé de:

  • – Mme Catherine Achard, Maître de conférence, Sorbonne Université (Rapporteur)
  • – M. Sylvain Calinon, Chercheur permanent, École Polytechnique Fédérale de Lausanne (Examinateur)
  • – M. Philippe Fraisse, Professeur, Université de Montpellier 2 (Examinateur)
  • – M. Laurent Grisoni, Professeur, Université de Lille 1 (Rapporteur)
  • – M. Sotiris Manitsaris, Chercheur, Mines ParisTech (Examinateur, Encadrant de thèse)
  • – M. Fabien Moutarde, Professeur, Mines ParisTech (Examinateur, Directeur de thèse)

Résumé:
Les robots collaboratifs sont de plus en plus présents dans nos vies quotidiennes. En milieu industriel, ils sont une solution privilégiée pour rendre les chaînes de montage plus flexibles, rentables et diminuer la pénibilité du travail des opérateurs. Pour permettre une collaboration fluide et efficace, les robots doivent être capables de comprendre leur environnement,  en particulier les actions humaines.
Dans cette optique, nous avons décidé d’étudier la reconnaissance de gestes techniques afin  que le robot puisse se synchroniser avec l’opérateur, adapter son allure et comprendre si quelque chose d’inattendu survient.
Pour cela, nous avons considéré deux cas d’étude, un cas de co-présence et un cas de collaboration, tous les deux inspirés de cas existant sur les chaînes de montage automobiles.
Dans un premier temps, pour le cas de co-présence, nous avons étudié la faisabilité de la reconnaissance des gestes en utilisant des capteurs inertiels. Nos très bons résultats (96% de reconnaissances correctes de gestes isolés avec un opérateur) nous ont encouragés à poursuivre dans cette voie.
Sur le cas de collaboration, nous avons privilégié l’utilisation de capteurs non-intrusifs pour minimiser la gêne des opérateurs, en l’occurrence une caméra de profondeur positionnée avec une vue de dessus pour limiter les possibles occultations.
Nous proposons un algorithme de suivi des mains en calculant les distances géodésiques entre les points du haut du corps et le haut de la tête. Nous concevons également et évaluons un système de reconnaissance de gestes basé sur des Chaînes de Markov Cachées (HMM) discrètes et  prenant en entrée les positions des mains. Nous présentons de plus une méthode pour adapter notre système de reconnaissance à un nouvel opérateur et nous utilisons des capteurs inertiels sur les outils pour affiner nos résultats.  Nous obtenons le très bon résultat de 90% de reconnaissances correctes en temps réel pour 13 opérateurs.
Finalement, nous formalisons et détaillons une méthodologie complète pour réaliser une reconnaissance de gestes techniques sur les chaînes de montage.

Comments are closed.