Robot autonomevignette|exemple de robot autonome de type rover Un robot autonome, également appelé simplement autorobot ou autobot, est un robot qui exécute des comportements ou des tâches avec un degré élevé d'autonomie (sans influence extérieure). La robotique autonome est généralement considérée comme un sous-domaine de l'intelligence artificielle, de la robotique et de l'. Les premières versions ont été proposées et démontrées par l'auteur/inventeur David L. Heiserman.
Locomotion robotiqueLa locomotion robotique est le nom collectif des différentes méthodes que les robots utilisent pour se déplacer d'un endroit à l'autre. Les robots à roues sont généralement assez efficaces sur le plan énergétique et simples à contrôler. Toutefois, d'autres formes de locomotion peuvent être plus appropriées pour un certain nombre de raisons, par exemple pour traverser un terrain accidenté, ainsi que pour se déplacer et interagir dans des environnements humains.
Atlas (robot)vignette|Vue de face du robot Atlas en 2013. Atlas est un robot de type androïde principalement développé par Boston Dynamics, sous financement et surveillance de la Defense Advanced Research Projects Agency (DARPA). Il mesure 1,88 m et est conçu pour diverses tâches de recherche et sauvetage, il a été dévoilé au public le . Le développement d'Atlas fait partie du Darpa Robotics Challenge. En 2016, une vidéo présentant une évolution du robot est diffusée par Boston Dynamics.
Mobile robotA mobile robot is an automatic machine that is capable of locomotion. Mobile robotics is usually considered to be a subfield of robotics and information engineering. Mobile robots have the capability to move around in their environment and are not fixed to one physical location. Mobile robots can be "autonomous" (AMR - autonomous mobile robot) which means they are capable of navigating an uncontrolled environment without the need for physical or electro-mechanical guidance devices.
Boston DynamicsBoston Dynamics est une entreprise américaine, située à Waltham dans le Massachusetts, spécialisée dans la robotique, notamment à usage militaire. Ses principales réalisations concernent les robots , BigDog, RHex et Atlas, ainsi que le système de simulation humaine DI-Guy. L'entreprise a commencé comme une spin-off du MIT où Marc Raibert, le prédécesseur de l'actuel président Robert Playter, et ses collègues commencèrent à développer des robots qui se déplacent et manœuvrent comme des animaux.
Interaction homme-robotLes interactions humain-robot (Human-Robot Interactions en anglais, ) sont le sujet d'un champ de recherches ayant émergé du contact et de la rencontre entre l'humain et les systèmes robotiques. Il s'agit d'un champ de recherches interdisciplinaires à la frontière entre la robotique, l'ergonomie et la psychologie. Formé par l’assemblage des deux mots « inter » et « action », le terme d’interaction, dans son étymologie même, suggère l’idée d’une action mutuelle, en réciprocité, de plusieurs éléments.
Cinématique inverseLa cinématique inverse (souvent abrégée IK, de l'anglais inverse kinematics) désigne l'ensemble des méthodes de calcul des positions et rotations d'un modèle articulaire afin d'obtenir une pose désirée. Les méthodes de cinématique inverse sont principalement utilisées en infographie, en robotique, en animation ou encore en chimie. Le terme cinématique inverse renvoie au fait que la résolution des calculs est généralement basée sur les équations cinématiques du modèle articulaire.
Critère d'information d'AkaikeLe critère d'information d'Akaike, (en anglais Akaike information criterion ou AIC) est une mesure de la qualité d'un modèle statistique proposée par Hirotugu Akaike en 1973. Lorsque l'on estime un modèle statistique, il est possible d'augmenter la vraisemblance du modèle en ajoutant un paramètre. Le critère d'information d'Akaike, tout comme le critère d'information bayésien, permet de pénaliser les modèles en fonction du nombre de paramètres afin de satisfaire le critère de parcimonie.
Deviance information criterionThe deviance information criterion (DIC) is a hierarchical modeling generalization of the Akaike information criterion (AIC). It is particularly useful in Bayesian model selection problems where the posterior distributions of the models have been obtained by Markov chain Monte Carlo (MCMC) simulation. DIC is an asymptotic approximation as the sample size becomes large, like AIC. It is only valid when the posterior distribution is approximately multivariate normal.
Model selectionModel selection is the task of selecting a model from among various candidates on the basis of performance criterion to choose the best one. In the context of learning, this may be the selection of a statistical model from a set of candidate models, given data. In the simplest cases, a pre-existing set of data is considered. However, the task can also involve the design of experiments such that the data collected is well-suited to the problem of model selection.
