|
|
|
Emmanuel
|
 |
UMR 6152 Faculté des sciences du sport Université de la Méditerrannée 163 avenue de Luminy, CP 910 13288 Marseille cedex 9 France tel (00-33) 4 91 17 22 88 (00-33) 4 91 05 47 30 fax (00-33) 4 91 17 22 52
CV
Publications
Thème de recherche
| Notre
démarche
de modélisation vise à dépasser la description de
comportements
moteurs ou d'actions réflexes ne reposant que sur la perception
immédiate.
Nous privilégierons donc des modèles perceptifs ou
sensori-moteurs
fondés sur des cartes neuronales dotées de fortes
interactions
latérales et/ou des modèles de réseaux totalement
récurrents.
Les concepts centraux sont : - La notion de champ neuronal qui rend compte des propriétés de détection, de sélection, de mémoire transitoire observée au sein de la plupart des systèmes perceptifs. - La notion de récurrence qui rend compte de l’autonomie des réponses du système nerveux (qui sont influencées, mais non pilotées par les perception), de la bi-directionnalité du transport de l’information (de la perception vers l’action, de l’action vers la perception) et des capacités d’anticipation sensorielles et sensori-motrices. - La notion d’apprentissage par renforcement, qui guide et construit les comportements issus de l’interaction du système avec un environnement réactif. Ces trois niveaux d’analyse correspondent en outre à trois échelles temporelles et spatiales différentes (formation des percepts au sein des structures sensorielles, élaboration de l’action au sein d’un réseau intégré, adaptation lente dans le cadre d’interactions réitérées avec l’environnement), qu’on pourra tenter d’unifier dans le cadre d’une démarche d’implémentation sur plate-forme robotique mobile. |
Our aim is to
overtake
the classical perception-driven models of motor behavior.
We
thus favour perceptive and sensori-motor models based on
neuronal
maps with strong lateral interactions and/or recurrent network
models. The main concepts are : - neural field which displays the properties of detection, selection and short term memory observed in most perceptive systems. - recurrence in the network structure which helps to model the autonomy of the nervous system responses (which are influenced, but not driven by the perceptions). the bi-directionnality of information processing (from action to perception, from perception to action), and the anticipation capabilities. - reinforcement learning which takes place in the builiding and consolidation of the behaviors emerging from the interactons of the system with a reactive environment. Those three aspects moreover correspond to three temporal and spatial scales (percept appearance into the sensory structures, action formation in an integrated network, slow adaptation during repeated interaction with the environment). Those three aspects may be unified and explored through robotic implementation. |
