Cette thèse aborde le défi de la préhension d’objets aux prises difficiles par des robots manipulateurs en combinant l’apprentissage automatique, l’utilisation de capteurs tactiles et l’expertise humaine. Dans certaines applications industrielles telles que la manipulation de déchets, la téléopération de robots est utilisée pour manipuler des objets irréguliers. Cette tâche est complexe à automatiser en raison de l’irrégularité, de la visibilité partielle, de la fragilité et de la susceptibilité des objets à se briser lors de la manipulation ou du transport. Dans ce contexte, l’expertise de l’opérateur est cruciale pour guider les robots, car ses critères de décision ne se traduisent pas facilement en critères mathématiques implémentables dans un algorithme automatique. Apprendre à partir d’exemples est une approche pertinente. Cependant, étant donné que ces démonstrations sont coûteuses à acquérir, les travaux de cette thèse proposent des pistes nécessitant peu de démonstrations de l’expert.
L’objectif est d’améliorer les compétences de préhension du robot en utilisant l’apprentissage hors ligne et en ligne, ce qui permet au robot d’apprendre rapidement les préférences de préhension adaptées aux objets en question. Ainsi, cette thèse contribue au développement de solutions robotiques avancées pour la manipulation d’objets complexes.