Description
Fondements de la perception robotique : composantes des systèmes de perception, types de données (images, scans, nuages de points), cycle de développement logiciel. Méthodes d'inférence probabiliste pour la perception robotique. Concepts avancés de cartographie et localisation simultanée géométrique et sémantique. Représentations 3D classiques et par apprentissage profond. Gestion et apprentissage de l'incertitude. Techniques de simulation. Perception multi-agent. Perception pour la manipulation. Perception active : interface perception-planification, perception conditionnée sur tâches et actions. Environnements dynamiques : représentations non-rigides, modèles prédictifs. Applications : véhicules autonomes, robotique mobile et intelligente.