IA et algorithmes pour la robotique : Machine Learning, Deep Learning et applications concrètes

Module 1 — Introduction à la robotique intelligente

• Panorama historique de la robotique, de l'IoT et de leurs évolutions culturelles
• L'intelligence artificielle et ses branches : Machine Learning, Deep Learning et leurs familles
• Applications émergentes et trajectoires des nouvelles technologies robotiques
• Du code à l'électronique : de l'algorithme au circuit imprimé

Module 2 — Algorithmes et intelligence artificielle appliqués

• Panorama des algorithmes utiles : définitions, exemples et structures
• Graphes, arbres de décision et modélisation de scénarios
• Apprentissage automatique : supervised learning, unsupervised learning et leurs usages
• Fondements du Deep Learning et architectures de réseaux de neurones
• Apprentissage par renforcement et algorithmes génétiques
• TP : Construire un scénario robotique, automatiser la prise de décision et mettre en place un système de détection et prévention d'anomalies

Module 3 — Analyse d'image et vision robotique

• Génération et lecture de QR Codes et codes-barres
• Reconnaissance optique de caractères : principes et mise en œuvre de l'OCR
• Identification et authentification d'objets, de personnes et de visages
• Suivi de points clés, d'objets en mouvement et de trajectoires
• Cas d'usage concrets, périmètre d'application et limites de la vision par ordinateur
• TP : Détecter et suivre un objet, déclencher une réaction à la lecture d'un QR Code ou d'un visage identifié

Module 4 — Audio, reconnaissance vocale, chatbot et TAL/NLP

• Conversion parole-vers-texte : techniques et outils de speech-to-text
• Intégration d'APIs vocales en mode connecté et hors ligne
• Conception de chatbots à scénario fermé et ouvert via le TAL et le NLP
• Synthèse vocale : Text To Speech et intégration dans les systèmes robotiques
• TP : Développer un chatbot capable d'interagir avec son environnement physique

Module 5 — Cartographie 2D/3D et virtualisation robotique

• Représentation d'une carte sous forme de graphe navigable
• Algorithmes de recherche de chemin : Dijkstra, A-Star et optimisation de la lecture cartographique
• Algorithmes de photogrammétrie pour la reconstruction spatiale
• Cartographie en temps réel : capteurs sonar, lidar et caméra
• Environnements virtuels robotiques et jumeaux numériques (digital twin)
• TP : Reconstruire une carte à partir des données capteurs, calculer le chemin optimal et valider la solution

Module 6 — Protocoles de communication robotique

• Protocoles sans fil principaux : 4G, 5G, LiFi, Wi-Fi, Bluetooth
• Communication électronique et informatique : liaison série, TOR, multiplexage et démultiplexage
• Gestion de flux vidéo et audio en temps réel
• Cryptographie et chiffrement des transmissions embarquées
• TP : Piloter des périphériques robotiques — relais Ethernet/Wi-Fi, servomoteurs, caméras

Module 7 — Frameworks et écosystème logiciel robotique

• Présentation d'Arduino et Raspberry Pi : architecture et cas d'usage
• Bibliothèques de traitement d'images : OpenCV et BoofCV
• ROS (Robot Operating System) : architecture et intégration
• Frameworks d'apprentissage automatique : TensorFlow, Keras, OpenAI, CNTK
• Programmation visuelle par briques avec Scratch
• Outils de simulation 3D : Unity, Blender, Bullet
• TP : Expérimenter différents frameworks sur les scénarios développés en formation