baobab
Base de données des enseignements et séminaires de l'EHESS

Voir calendrier: http://sapience.dec.ens.fr/cogmaster/calendrier/

Pré-requis :
Le cours nécessite quelques connaissances mathématiques sur les probabilités, le calcul différentiel (fonctions, dérivées, intégrales, notion d’équations aux dérivées partielles), des éléments d’algèbre linéaire (vecteurs, matrices), et des connaissances de base en informatique/programmation pour les ateliers de mise en pratique et le projet (incluant le plus souvent une simulation robotique d'un modèle computationnel).

Les étudiants sont fortement encouragés à suivre ce cours parallèlement à [C06] « Introduction aux neurosciences computationnelles » et [CA6(b)] « Introduction à l'apprentissage machine appliqué aux neurosciences et à la cognition ».

Il est également recommandé mais pas obligatoire d'avoir suivi au 1^er semestre les cours [CA6(a)] « Cours avancé en neuroscience théorique » et [FCS1] « Action, décision et volition ».

Description :
L'objectif du cours est d'introduire l'approche robotique des sciences cognitives. Comprendre cette approche dans une perspective historique sur son évolution récente par rapport à l'Intelligence Artificielle classique qui se focalisait sur la cognition désincarnée, sur le raisonnement de haut niveau, abstrait et virtuel, mais qui a échoué à intégrer différentes capacités cognitives dans un même agent. Comprendre la dimension incarnée de la robotique (le corps participant à la résolution d'une tâche donnée, et la cognition étant vue comme imbriquée dans des boucles sensori-motrices), sa dimension incrémentale et développementale (l'architecture du contrôleur accumulant progressivement des couches de complexité croissante, comme a pu le faire l'évolution naturelle, et les motivations intrinsèques de l’agent le poussant à acquérir de l’information et des compétences motrices et cognitives de difficulté croissante), sa dimension intégrative de multiples fonctions cognitives (perception, décision, action, contrôle moteur, exploration/curiosité, apprentissage, interaction sociale).

Le cours donnera une introduction aux différents méthodes, algorithmes et outils utilisés dans ce champ de la robotique, en insistant sur le lien avec les méthodes de modélisation du cerveau et du comportement humain: apprentissage machine, méthodes de catégorisation des données sensori-motrices, réseaux de neurones, algorithmes de cartographie de type SLAM, méthodes bayésiennes, commande optimale, exploration, motivation. Le cours mettra en avant les interactions récentes de la robotique avec d’autres disciplines lui ayant permis de faire des progrès récents et une fertilisation croisée sur les architectures cognitives (psychologie), le contrôle moteur et la sélection de l'action (neurosciences), la navigation et l'apprentissage (informatique), l'imitation et l'interaction sociale (psychologie développementale).

En particulier, le cours insistera sur les développements récents en robotique cognitive reposant sur une interaction de plus en plus forte avec les neurosciences computationnelles, ceci permettant à la fois d'enrichir les capacités cognitives des robots en s'inspirant de modèles du cerveau et d’utiliser le robot comme une plateforme de test en condition réelle de modèles computationnels auparavant validés dans des simulations simplifiées. Un des points importants du cours consistera à illustrer comment la modélisation robotique en sciences cognitives peut apporter des connaissances complémentaires par rapport à la simulation de modèles. La dernière impliquant le plus souvent une simulation parfaite et simplifiée du monde, l'expérimentation robotique oblige à faire des hypothèses sur l'interaction entre processus cognitifs. Elle permet également d'extraire et d’analyser de nouvelles propriétés des dynamiques sensori-motrices pouvant contribuer à étendre les modèles simulés existants et à faire de nouvelles prédictions expérimentales liées aux activités cérébrales sous-jacentes chez l'humain.

Suivi et validation pour le master : Hebdomadaire semestriel (33 h + TD = 6 ECTS)