Post doctorat
Postdoc position on ‘Control-Aware Motion Planning’ for Robotics
Date de publication
Prise de poste souhaitée
01.11.24
Postdoc position on ‘Control-Aware Motion Planning’ for Robotics (LAAS-CNRS, Toulouse)
Practical information:
- Position: Postdoctoral Researcher
- Location: LAAS-CNRS, Toulouse, France
- Starting date (flexible): October 2024 (up to December 2024)
- End date: end of March 2026
- Salary: ~2500€ net / month
- Team: RIS (Robotics and InteractionS), see https://www.laas.fr/en/teams/ris/
- Supervisors: Thierry Simeon, Marco Cognetti and Juan Cortes
Summary
The Laboratory for Analysis and Architecture of Systems (LAAS) is seeking a highly motivated and skilled Postdoctoral Researcher to join the RIS team for an 18-month position.
Scientific project description
The context of this PostDoc advertisement is within the CAMP project (https://anr.fr/Project-ANR-20-CE33-0003), whose goal is to develop a general and unified "intrinsically robust and control-aware motion planning framework". In particular, an effective approach to managing the complexity of robots operating in real (and uncertain) environments is the "feedforward/feedback" or "planning/control" paradigm. This method involves two key steps: 1. Planning (Feedforward): Initially, a suitable nominal trajectory for the robot's states and controls is planned using available information, such as robot models and its environment. This step is typically conducted offline and can incorporate various constraints (e.g., collision avoidance, limited actuation) and optimize for specific metrics (e.g., time, energy); 2. Control (Feedback): While the planned trajectory provides a foundation, open-loop execution would likely fail due to inevitable uncertainties in the planning information. Therefore, a motion controller is employed to "close the loop" by adjusting the planned motion in real time, ensuring robustness against unforeseen effects and deviations from the planned trajectory. This combined feedforward/feedback approach ensures that robots can effectively and reliably operate even in complex and unpredictable environments.
This PostDoc position aims to focus on the first above-mentioned axis (i.e., planning) by extending the results we obtained within the project. In particular, [1][2][3] proposed a motion planner for producing collision-free reference motions that are robust against parametric uncertainties for a large class of complex dynamical systems. It is hinged on the concept of closed-loop sensitivity [4,5], a quantity that relates parameter variations to deviations of the closed-loop trajectory of any given system/controller pair. This metric is used within a sampling-based tree planner in [1,3] for generating trajectories that are intrinsically robust with respect to parameters' uncertainties.
The PostDoc will contribute to further extend the theoretical contributions about fusing motion planning and sensitivity, as well as contributing to the experimental validation of the proposed approaches on real drones (quadrotors and hexarotors), especially in outdoor environments, following the validation performed in indoor environments [6]. To this aim, the PostDoc will benefit from the LAAS-CNRS infrastructures: 1) an indoor arena with dimensions an indoor flight arena of 8x4x7m, equipped with a motion capture system, and an outdoor arena of 15x25x7m. Moreover, a workshop with all the necessary tools for the manufacturing of UAVs is available, as well as more than ten prototype UAVs (quad- and hexa-rotors) and numerous sensors and actuators (GPS, IMU, Lidar altimeter, F/T sensors, ultra-light robotic arm, etc.).
Depending on the candidate's profile, several research directions are possible
- Extend robustness to combined parameters and state estimation uncertainties.
- Multi-objective motion planning to compute Pareto-optimal paths.
- Robust motion planning for multi-robot systems.
- Human-drone (physical) interaction.
Key Responsibilities
- Conduct high-quality research and lead the development of the outdoor experimental demonstrator (addressing and mitigating unmodeled effects/uncertainties such as wind and lower perception accuracy).
- Collaborate with the PhD students and permanent staff of the RIS team to fuse motion planning and sensitivity in robotics.
Candidate profile
- Ph.D. degree in robotics, ideally in motion planning&control, aerial robots
- Very good knowledge of motion planning + solid background in mathematics, optimization, and robotics
- Experience with experimental robotics, ideally drones and/or in outdoor settings.
- Very good skills in programming. Especially, C/C++, Python, ROS/ROS2, and, in general, the ability to independently develop and maintain large software
- Scientific curiosity, ability to work independently and in group
- Some experience with robotic simulation (e.g., Gazebo, CoppeliaSim, IsaacSim) but ideally with real drone experiments
Supervisors' profile
- Thierry Simeon: https://scholar.google.com/citations?user=L74V10IAAAAJ
- Marco Cognetti: https://scholar.google.com/citations?user=NAq-dYcAAAAJ
- Juan Cortes: https://scholar.google.com/citations?user=Hm0UA64AAAAJ
About the RIS team at LAAS-CNRS
The "Robotics and InteractionS" (RIS) is an internationally recognized research team at LAAS-CNRS in Toulouse, focused on developing autonomous mobile machines that integrate perception, reasoning, learning, action, and reaction capabilities. The team's main research areas are: Architectures for Autonomous Robots, Learning, Temporal Planning and Execution Control, and Algorithmic motion planning. RIS is composed of 8 permanent researchers, 4 PostDocs, and several Ph.D. students. More in general, research at LAAS-CNRS spans robotics, optimization, control, telecommunications, and nano-systems. The robotics department at LAAS-CNRS counts more than 100 people and it is supposedly one of the largest and oldest robotic research departments in France. LAAS-CNRS robotics department has made world-class contributions in artificial intelligence, planning, perception, humanoids, and aerial robot design and control.
How to apply
Interested candidates are requested to apply by sending an email to: {mcognetti,simeon}@laas.fr, with the subject: [PostDoc LAAS - CAMP] including the following documents:
- CV
- Letter of motivation/cover letter
- Contact information of two/three referees or recommendation letters
- [Suggested] Research project (max 2 pages), ideally linked to one of the proposed research directions
- [Suggested] Short introduction video where you present yourself, why you apply for this PostDoc position at LAAS-CNRS
The selection procedures will consist of an interview that will be conducted in English. The candidate will be asked to discuss the project and how their previous experience fits with the project's objectives. The position will remain open until a satisfactory candidate is found.
References
[1] S. Wasiela, P. Robuffo Giordano, J. Cortés and T. Siméon, "A Sensitivity-Aware Motion Planner (SAMP) to Generate Intrinsically-Robust Trajectories", IEEE Int. Conf. on Robotics and Automation (ICRA), 2023.
[2] S. Wasiela, S. Ait-Bouhsain, M. Cognetti, J. Cortés and T. Siméon. “Learned Uncertainty Tubes via Recurrent Neural Networks for Planning Robust Robot Motions”, European Conference on Artificial Intelligence (ECAI), Oct 2024
[3] S. Wasiela, M. Cognetti, P. Robuffo Giordano, J. Cortés and T. Siméon, "Robust Motion Planning with Accuracy Optimization based on Learned Sensitivity Metrics”, Submitted to IEEE Robotics and Automation Letters (RA-L), 2024
[4] P. Robuffo Giordano, Q. Delamare, and A. Franchi, "Trajectory generation for minimum closed-loop state sensitivity," IEEE Int. Conf. on Robotics and Automation (ICRA), 2018
[5] P. Brault, Q. Delamare, and P. Robuffo Giordano, "Robust trajectory planning with parametric uncertainties," IEEE Int. Conf. on Robotics and Automation (ICRA), 2021
[6] A. Srour, A. Franchi and P. Robuffo Giordano, "Controller and Trajectory Optimization for a Quadrotor UAV with Parametric Uncertainty," IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2023
French version
Post-doc position : 'Control-Aware Motion Planning' pour la robotique (LAAS-CNRS, Toulouse)
Informations pratiques :
- Poste : chercheur postdoctoral
- Lieu de travail : LAAS-CNRS, Toulouse, France
- Date de début (flexible) : Octobre 2024 (jusqu'à décembre 2024)
- Date de fin : fin mars 2026
- Salaire : ~2500€ net / mois
- Équipe : RIS (Robotics and InteractionS), voir https://www.laas.fr/en/teams/ris/
- Superviseurs : Thierry Simeon, Marco Cognetti et Juan Cortes
Résumé
Le Laboratoire d'analyse et d'architecture des systèmes (LAAS) est à la recherche d'un chercheur postdoctoral en robotique pour un postdoc de 18 mois au sein de l’équipe RIS
Description du projet scientifique
Le projet s'inscrit dans le cadre du projet ANR CAMP dont l'objectif est de développer une approche de planification de mouvement intrinsèquement robuste en tenant compte du contrôle et générale. En particulier, une approche efficace pour gérer la complexité des robots opérant dans des environnements réels (et incertains) est le paradigme "feedforward/feedback" ou "planification/contrôle". Cette méthode comporte deux étapes clés : 1. Planification (feedforward) : Dans un premier temps, une trajectoire nominale appropriée pour les états et les commandes du robot est planifiée à l'aide des informations disponibles, telles que les modèles du robot et son environnement. Cette étape est généralement réalisée hors ligne et peut intégrer diverses contraintes (par exemple, éviter les collisions, actionnement limité) et optimiser des paramètres spécifiques (par exemple, le temps, l'énergie) ; 2. contrôle (feedback) : Bien que la trajectoire planifiée constitue une base, l'exécution en boucle ouverte échouerait probablement en raison des incertitudes inévitables dans les informations de planification. Par conséquent, un contrôleur de mouvement est utilisé pour "fermer la boucle" en ajustant le mouvement planifié en temps réel, ce qui garantit la robustesse contre les effets imprévus et les écarts par rapport à la trajectoire planifiée. Cette approche combinée d'anticipation et de rétroaction garantit que les robots peuvent fonctionner de manière efficace et fiable, même dans des environnements complexes et imprévisibles.
Le postdoc porte principalement sur le premier axe (i.e., la planification) et l’extension de résultats déjà obtenus dans le cadre du projet CAMP. En particulier, [1][2][3] ont proposé un planificateur de mouvement pour produire des mouvements de référence sans collision qui sont robustes contre les incertitudes paramétriques pour une grande classe de systèmes dynamiques complexes. Il s'articule autour du concept de sensibilité en boucle fermée [4,5], une quantité qui relie les variations de paramètres aux déviations de la trajectoire en boucle fermée par le système/contrôleur considéré. Cette métrique est utilisée dans un planificateur basé sur la diffusion d’arbres aléatoires [1,3] pour générer des trajectoires qui sont intrinsèquement robustes par rapport aux incertitudes des paramètres.
Le post-doctorant contribuera à étendre les contributions théoriques sur l’intégration de la notion de sensitivité dans les algorithmes de planification de mouvement, ainsi qu'à la validation expérimentale des approches proposées sur des drones réels (quadrotors et hexarotors), en particulier dans des environnements extérieurs, à la suite de la validation effectuée dans des environnements intérieurs [6]. A cette fin, le PostDoc bénéficiera des infrastructures du LAAS-CNRS : 1) une arène intérieure avec des dimensions de 8x4x7m, équipée d'un système de capture de mouvement, et une arène extérieure de 15x25x7m. De plus, un atelier avec tous les outils nécessaires à la fabrication de drones est disponible, ainsi que plus d'une dizaine de prototypes de drones (quadri- et hexa-rotors) et de nombreux capteurs et actionneurs (GPS, IMU, altimètre Lidar, capteurs F/T, bras robotique ultra-léger, etc.)
En fonction du profil du candidat, plusieurs axes de recherche sont possibles
- Extension de l’approche à la combinaison d’incertitudes paramétriques et d’estimation de l'état
- Planification de mouvement multi-objectif pour calculer les chemins Pareto-optimaux
- Planification robuste des mouvements pour les systèmes multi-robots.
- Interaction (physique) homme-drone.
Principales responsabilités
- Mener une recherche de qualité et diriger le développement du démonstrateur expérimental en extérieur (en tenant compte d’effets/incertains non modélisés tels que le vent et précision limitée de la perception)
- Collaborer avec les doctorants et permanents de l’équipe RIS pour développer cette approche combinant sensitivité et planification de mouvements pour la robotique.
Profil du candidat
- Doctorat en robotique, idéalement sur la planification et le contrôle des mouvements, les robots aériens.
- Très bonne connaissance de la planification de mouvement + solide expérience en mathématiques, optimisation et robotique.
- Expérience en robotique expérimentale, idéalement avec des drones et/ou en extérieur.
- Très bonnes compétences en programmation. En particulier, C/C++, Python, ROS/ROS2, et capacité de développer et maintenir de grands logiciels.
- Curiosité scientifique, capacité à travailler de manière indépendante et en groupe.
- Une certaine expérience de la simulation robotique (par exemple, Gazebo, CoppeliaSim, IsaacSim), si possible pour des expérimentations avec drones réels.
A propos de l'équipe RIS au LAAS-CNRS
L'équipe "Robotique and InteractionS" (RIS) est une équipe de recherche internationalement reconnue du LAAS-CNRS à Toulouse, qui se consacre au développement de machines mobiles autonomes intégrant des capacités de perception, de raisonnement, d'apprentissage, d'action et de réaction. Les principaux domaines de recherche de l'équipe sont les suivants : Architectures pour Robots Autonomes, Apprentissage, Planification Temporelle et Contrôle d'Exécution, et Planification du Mouvement. RIS est composé de 8 chercheurs permanents, de 4 post-docs et de plusieurs doctorants. De manière plus générale, la recherche au LAAS-CNRS couvre la robotique, l'optimisation, le contrôle, les télécommunications et les nano-systèmes. Le département de robotique du LAAS-CNRS compte plus de 100 personnes et est considéré comme l'un des plus grands et des plus anciens départements de recherche en robotique en France. Le département de robotique du LAAS-CNRS a apporté des contributions de premier plan dans les domaines de l'intelligence artificielle, de la planification, de la perception, des robots humanoïdes, de la conception et du contrôle de robots aériens.
Comment postuler
Les candidats intéressés peuvent postuler en envoyant un courriel à : {mcognetti,simeon}@laas.fr, avec le sujet : [PostDoc LAAS - CAMP] en incluant les documents suivants :
- CV
- Lettre de motivation
- Coordonnées de deux/trois personnes de référence ou lettres de recommandation
- [Suggéré] Projet de recherche (max 2 pages), idéalement en rapport avec l'un des thèmes de recherche proposés
- [Suggéré] Courte vidéo d'introduction dans laquelle vous vous présentez et expliquez pourquoi vous postulez pour cette offre de post-doc au LAAS-CNRS.
Les procédures de sélection consisteront en un entretien qui se déroulera en anglais. Le candidat sera invité à discuter du projet et de la manière dont son expérience antérieure s'inscrit dans les objectifs du projet. Le poste restera ouvert jusqu'à ce qu'un candidat satisfaisant soit trouvé.
References
[1] S. Wasiela, P. Robuffo Giordano, J. Cortés and T. Siméon, "A Sensitivity-Aware Motion Planner (SAMP) to Generate Intrinsically-Robust Trajectories", IEEE Int. Conf. on Robotics and Automation (ICRA), 2023.
[2] S. Wasiela, S. Ait-Bouhsain, M. Cognetti, J. Cortés and T. Siméon. “Learned Uncertainty Tubes via Recurrent Neural Networks for Planning Robust Robot Motions”, European Conference on Artificial Intelligence (ECAI), Oct 2024
[3] S. Wasiela, M. Cognetti, P. Robuffo Giordano, J. Cortés and T. Siméon, "Robust Motion Planning with Accuracy Optimization based on Learned Sensitivity Metrics”, Submitted to IEEE Robotics and Automation Letters (RA-L), 2024
[4] P. Robuffo Giordano, Q. Delamare, and A. Franchi, "Trajectory generation for minimum closed-loop state sensitivity," IEEE Int. Conf. on Robotics and Automation (ICRA), 2018
[5] P. Brault, Q. Delamare, and P. Robuffo Giordano, "Robust trajectory planning with parametric uncertainties," IEEE Int. Conf. on Robotics and Automation (ICRA), 2021
[6] A. Srour, A. Franchi and P. Robuffo Giordano, "Controller and Trajectory Optimization for a Quadrotor UAV with Parametric Uncertainty," IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2023