Direction scientifique
Transfert de connaissances vers l'industrie

Les Post-Docs par thème

Défis technologiques >> Usine du futur dont robotique et contrôle non destructif
3 proposition(s).

Voir toutes nos offres

Etude numérique basée sur la meta-modélisation de la propagation d'ondes ultrasonores dans des tuyauteries comportant des zones de corrosion

Département Imagerie Simulation pour le Contrôle (LIST)

Laboratoire Simulation et Modélisation en Acoustique

doctorat en mécanique ou acoustique

01-05-2020

PsD-DRT-20-0055

vahan.baronian@cea.fr

Usine du futur dont robotique et contrôle non destructif (.pdf)

Le projet ANR PYRAMID (http://www.agence-nationale-recherche.fr/Projet-ANR-17-CE08-0046), a pour objectif de développer des techniques permettant de détecter et quantifier l'amincissement de paroi dû à la corrosion induite par un flux chargé en débris dans les systèmes de tuyauterie. Dans le cadre de ce projet qui implique des équipes Françaises et Japonaises, le CEA LIST développe des outils de simulation basés sur une approche éléments finis et dédiés à la modélisation de la diffraction d'ondes guidées ultrasonores par une zone de corrosion dans une canalisation coudée. Mises à disposition des partenaires, ces solutions supporteront la conception d'un procédé d'inspection par Transduction ElectroMagnétique-Acoustique (EMAT) au laboratoire vibrations-acoustique (LVA) de l'INSA Lyon. Pour cela, un atout différentiant reposera sur la capacité du CEA LIST à adapter des outils de méta-modélisation a ses modèles physiques pour autoriser une exploitation intensive de la simulation.

Télécharger l'offre (.zip)

Tâches d'assemblages industrielles robotisées de haute précision avec apprentissage par renforcement basé sur le transfert sim2real

Département Intelligence Ambiante et Systèmes Interactifs (LIST)

Laboratoire Vision et Apprentissage pour l'analyse de scènes

Thèse en Robotique et/ou Apprentissage par Renforcement

01-09-2020

PsD-DRT-20-0082

jaonary.rabarisoa@cea.fr

Usine du futur dont robotique et contrôle non destructif (.pdf)

La manipulation et l'assemblage robotique de haute précision pour saisir ou construire des objets est un enjeu majeur pour l'industrie. Cependant, la flexibilité et l'agilité des systèmes actuels sont encore trop limitées pour répondre efficacement aux besoins d'adaptation rapide à un nouvel environnement ou à une nouvelle production. L'objectif de ce post-doc est de lever ce verrou en développant un outil qui permet de réaliser des tâches industrielles d'insertion fine de haute précision en se basant sur un apprentissage par renforcement basé sur le transfert sim2real. Pour fixer le cadre, nous nous limitons dans cette étude aux tâches d'assemblage de produits industriels à partir de pièces dont on dispose de la CAO. On commencera par le World Robot Challenge avant de proposer une généralisation vers d'autre types de tâches d'assemblage proposées par des industriels automobiles et aéronautiques avec qui le CEA-LIST collabore actuellement.

Télécharger l'offre (.zip)

Conception et commande force/vision d'un préhenseur robotique pluridigital et multimodal

Département Intelligence Ambiante et Systèmes Interactifs (LIST)

Laboratoire d'Architecture des Systèmes Robotiques

Doctorat en robotique

01-01-2021

PsD-DRT-20-0096

mathieu.grossard@cea.fr

Usine du futur dont robotique et contrôle non destructif (.pdf)

L'offre concerne le développement d'approches de conception et de commande force/vision d'un préhenseur pluridigital intégrant des moyens de perception multimodale. L'outil de préhension robotique à concevoir tirera parti de capacités de perception au travers de capteurs tactiles, d'actionneurs sensibles en efforts et d'un système de vision, afin de réaliser de manière autonome diverses tâches de manipulation (telles que la manipulation dextre d'objets au sein de la paume de la main, la prise-dépose d'objets rigides et flexibles, l'assemblage de composants, etc.). Pour ce faire, le système multimodal ainsi conçu sera mis à profit pour construire une base de données d'apprentissage combinant des indicateurs d'efforts et de vision pour une série d'objets aux caractéristiques variées (en termes de géométrie, de forme, de texture, de masse, etc. ). Cette base de données considèrera d'abord les objets connus, avant d'être extrapolée aux cas d'objets inconnus.

Télécharger l'offre (.zip)

Voir toutes nos offres