Catégorie : Uncategorized

Webinaire CeRVIM : Conception, analyse et validation préliminaire d’un générateur d’inertie rotationnelle à 3 DDL

Jean-Félix Tremblay-Bugeaud
Laboratoire de robotique
Dép. de génie mécanique, Université Laval

15 octobre 2020, 11h00

Résumé
Cette présentation explore la conception d’un générateur d’inertie rotationnelle à trois degrés de liberté utilisant l’effet gyroscopique pour produire des couples. Le générateur utilise une masse en rotation qui influence les couples nécessaires pour déplacer le dispositif, créant une inertie perçue. Le fonctionnement général du dispositif est présenté, ainsi que celui d’un concept comparable utilisant trois roues d’inertie plutôt qu’un gyroscope. Des simulations sont réalisées pour établir les requis des moteurs en termes de couple et de vitesse, et le concept gyroscopique est identifié comme étant le moins demandant. Des validations préliminaires sont réalisées, vérifiant qu’il est bel et bien possible de réduire ou augmenter l’inertie perçue.

La présentation sera donnée en français et les diapos seront en anglais.

Pour obtenir le lien d’accès internet (Zoom), veuillez contacter:
Annette.Schwerdtfeger@gel.ulaval.ca

Webinaire CeRVIM: A Mixed Reality Interface for Handheld 3D Scanners

Jérôme Isabelle
Laboratoire LVSN
Dép. de génie électrique et de génie informatique, Université Laval

9 octobre 2020, 11h00

Résumé / Abstract
The user interface is an essential part of handheld 3D scanners. During the scanning process, it provides feedback to the user to help him operate the scanner in an efficient way. For instance, it generally displays the reconstructed 3D model in real-time to let the user know which parts of the object have been captured and which have not. Traditionally, this type of information is displayed on a 2D screen, via a graphical user interface. Instead, we propose to use a mixed reality headset. We claim that this technology is better suited for handheld 3D scanning because it allows the reconstructed 3D model to be blended into the user’s perception of the real world. To validate this claim, we developed a prototype that uses the HTC Vive Pro headset as an interface for a handheld 3D scanner based on a Primesense Carmine RGB-D Camera.

Pour obtenir le lien d’accès internet (Zoom), veuillez contacter:
To obtain the Zoom meeting web link, please contact:
Annette.Schwerdtfeger@gel.ulaval.ca

Webinaire CeRVIM: Workspace enlargement and joint trajectory optimization of a (6+3)-dof 3-[R(RR-RRR)SR] kinematically redundant hybrid parallel robot

Kefei Wen
Laboratoire de robotique
Dép. de génie mécanique, Université Laval

25 septembre 2020, 11h00

Résumé / Abstract
In this presentation, the workspace and trajectory optimization of a (6+3)-dof 3-[R(RR-RRR)SR] kinematically redundant hybrid parallel robot is investigated. The inverse kinematics of the robot can be solved analytically and the singularities are easily avoidable. A workspace analysis is provided and it shows that the orientational workspace is very large. Moreover, the redundant degrees of freedom are optimized in order to further expand the workspace. An approach is developed to determine the desired redundant joint coordinates so that a performance index can be minimized approximately when the robot is following a prescribed Cartesian trajectory.

La présentation sera donnée en anglais et les diapos seront en anglais.

Pour obtenir le lien d’accès internet (Zoom), veuillez contacter:
To obtain the Zoom meeting web link, please contact:
Annette.Schwerdtfeger@gel.ulaval.ca

Webinaire CeRVIM : Model Identification for Robotic Manipulation

Abdeslam Boularias
Robot Learning Lab
Dept. of Computer Science, Rutgers School of Arts and Sciences

20 août 2020, 11h00

Résumé / Abstract
A popular approach in robot learning is model-free reinforcement learning (RL), where a control policy is learned directly from sensory inputs by trial and error without explicitly modeling the effects of the robot’s actions on the controlled objects or system. While this approach has proved to be very effective in learning motor skills, it suffers from several drawbacks in the context of object manipulation due to the fact that types of objects and their arrangements vary significantly across different tasks. An alternative approach that may address these issues more efficiently is model-based RL. A model in RL generally refers to a transition function that maps a state and an action into a probability distribution over possible next states. In this talk, I will present my recent works on data-efficient physics-driven techniques for identifying models of manipulated objects. To perform a task in a new environment with unknown objects, a robot first identifies from sequences of images the 3D mesh models of the objects, as well as their physical properties such as their mass distributions, moments of inertia and friction coefficients. The robot then reconstructs in a physics simulation the observed scene, and predicts the motions of the objects when manipulated. The predicted motions are then used to select a sequence of actions to apply on the real objects. Simulated virtual worlds that are learned from data also offer safe environments for exploration and for learning model-free policies.

Biographie:
Abdeslam Boularias is an Assistant Professor of computer science at Rutgers, The State University of New Jersey, where he works on robot learning. Previously, he was a Project Scientist in the Robotics Institute of Carnegie Mellon University, and a Research Scientist at the Max Planck Institute for Intelligent Systems in Tübingen, where he worked with Jan Peters, in the Empirical Inference department, which was directed by Bernhard Schölkopf. From January 2006 to July 2010, he was a PhD student at Laval University under the supervision of Brahim Chaib-draa. His PhD thesis focused on reinforcement learning and planning in partially observable environments.

Pour obtenir le lien d’accès internet (Zoom), veuillez contacter:
To obtain the Zoom meeting web link, please contact:
Annette.Schwerdtfeger@gel.ulaval.ca

Webinaire CeRVIM : Automatic Facial Expression Recognition for Ambient Assistance
(Reconnaissance des expressions faciales pour l’assistance ambiante)

Yacine Yaddaden
Laboratoire LVSN
Dép. de génie électrique et de génie informatique, Université Laval

12 juin 2020, 11h00

Résumé / Abstract
In the last decades, the world has witnessed important advances in terms of information and communication technologies. Indeed, we benefit from the use of these technologies in our daily lives. One of their most important uses remains ambient assistant. They are generally used in smart environments or ambient assisted living where they provide guidance in order to improve the productivity and ensure security and safety. These systems are particularly useful in ensuring the wellbeing of the elderly and people suffering from cognitive deficiency.

In this presentation, I will be talking about my Ph.D. thesis work. It will be divided into two main parts, the first one is dedicated to automatic facial expression recognition, while the second one is about ambient assistance. In both parts, I will introduce fundamentals, related works and proposed methods. At the end, I will be describing how automatic facial expression recognition contributes to improve ambient assistance.

Pour obtenir le lien d’accès internet (Zoom), veuillez contacter:
To obtain the Zoom meeting web link, please contact:
Annette.Schwerdtfeger@gel.ulaval.ca

Séminaire CeRVIM : Fédérer la recherche et l’innovation en intelligence artificielle et valorisation des données
(Conférence-échange sur le mandat, la structure et l’action de l’Institut intelligence et données (IID) de l’Université Laval)

Prof. Christian Gagné
Directeur de l’Institut intelligence et données (IID)
Dép. de génie électrique et de génie informatique, Université Laval

3 mars 2020, 9h30, Pouliot-3370

Résumé
L’Institut Intelligence et Données (IID) de l’Université Laval réunit les forces vives liées à la recherche et à l’innovation en intelligence artificielle et en science des données dans la grande région de Québec et cela, dans quatre domaines fédérateurs :

• Environnement physique
• Santé et étude du vivant
• Méthodes d’intelligence artificielle et de traitement de données
• Éthique, confidentialité et acceptabilité sociale

Dans un esprit d’interdisciplinarité́ et de collaboration, ses chercheurs membres, collaborateurs et associés contribuent au développement et à l’enrichissement des connaissances dans une multitude de champs d’application autant que soutiennent des avancées technologiques d’importance, avec une préoccupation toute particulière en matière de confidentialité́, d’éthique et d’acceptabilité́ sociale.

En compagnie du directeur scientifique de l’IID, Christian Gagné, et d’autres membres de l’IID, profitez de cette occasion pour découvrir plus avant le mandat, la structure et l’action de l’Institut.

Bienvenue à toutes et tous !

La présentation sera donnée en français, et les diapositives seront en anglais.

Séminaire CeRVIM : Machine-learning-assisted microscopy : from smart scanning approaches to the generation of synthetic super-resolution images

Prof. Flavie Lavoie-Cardinal
Chercheure, Centre de recherche CERVO
Professeure associée, Dép. de Physique, Génie Physique et Optique
Université Laval

10 février 2020, 13h30, Pouliot-3370

Résumé/Abstract
Super-resolution microscopy (or optical nanoscopy) techniques allow the characterization of molecular interactions inside living cells with unprecedented spatiotemporal resolution. These techniques come with several layers of complexity in their implementation. My research team focuses on transdisciplinary approaches at the interface of molecular neurosciences, multimodal optical nanoscopy, and machine learning to study structure/function relationship of synapses in the brain. We develop machine learning and deep learning tools to increase the adaptability and accessibility of high-end imaging methods (e.g. optical nanoscopy) to complex experimental paradigms. Recently, we implemented a machine learning assisted optimization framework for optical nanoscopy allowing real-time optimization of multi-modal live-cell imaging of synaptic activity and structure proteins. We also implemented diverse deep learning approaches for high throughput microscopy image analysis, allowing us to characterize activity-dependent remodelling of neuronal proteins. We develop weakly supervised deep learning strategies to reduce the burden of extensive labeling of complex images and evaluate how they can be applied to real-time microscopy image analysis. We aim at developing new AI-assisted microscopy techniques that will adapt in real-time to the sample, predict changes in the structures and modify the experimental protocol depending on the measured response to a stimuli.

La présentation sera donnée en français et les diapos seront en anglais.
The presentation will be given in French and the slides will be in English.

Le Colloque REPARTI 2020 (le 26 mai 2020 à l’Université Laval), a été annulé en raison de la pandémie actuelle.

Lors de la session du matin le Prof. John McPhee, University of Waterloo, a donné une présentation invitée. Par la suite, une session d’affiches composéee de 35 affiches et 2 démos a permis aux étudiants de présenter des résultats de recherche de chacun des thèmes de recherche de REPARTI.

Programme du Colloque REPARTI 2019

Le programme des séminaires REPARTI-ULaval est disponible à l’adresse suivante:

http://vision.gel.ulaval.ca/fr/events/page_seminaires/index.php