Examens corriges

Exercices et corrigés de Robotique et Automatisation : AIC

Présentation du document

Ce document rassemble des exercices et leurs corrigés détaillés dans le cadre du cours de Robotique et d’Automatisation. Conçu pour la partie 4.6 du cours intitulée AIC - Automatisation avancée, Intelligence artificielle et Cognitique, il est élaboré par Jean-Daniel Dessimoz. La version présentée date du 31 janvier 2014, reprenant également des supports de travaux et examens antérieurs échelonnés sur plusieurs années.

Destiné aux étudiants de la HEIG-VD (Haute École d’Ingénierie et de Gestion du Canton de Vaud), ce support propose une approche pratique de concepts avancés en intelligence artificielle, en traitement de l’information et en cognitique appliquée à la robotique mobile.

Thèmes principaux et notions abordées

Le document aborde une grande variété de concepts théoriques et pratiques à travers des exercices concrets accompagnés de leurs solutions commentées :

  • La notion de modèle et la quantification de l'information (calculs de bits, entropie, débit d'information pour des capteurs et des signaux continus).
  • Les systèmes cognitifs et l'estimation de grandeurs cognitives comme l'expertise et la complexité de traitement.
  • La structure de commande, les régulateurs PID et la méthode de Ziegler-Nichols.
  • L'intelligence artificielle, couvrant le test de Turing, le programme Eliza, les arbres de décision, le chaînage avant et arrière, ainsi que la recherche en largeur et en profondeur.
  • L'inférence bayésienne appliquée à la reconnaissance et à la classification.
  • La logique floue et les fonctions d'appartenance, incluant les processus de fuzzification et de défuzzification.
  • Les réseaux de neurones artificiels, les lois d'apprentissage de Hebb et la rétropropagation.
  • La commande multimodale et les algorithmes génétiques appliqués au réglage de systèmes.
  • L'architecture des robots mobiles autonomes, notamment les automates en situation de type Rodney Brooks et la programmation sur des robots comme le NAO ou le RH-Y.

Méthodologie et utilisation pour les révisions

Chaque chapitre alterne des énoncés d'exercices issus d'évaluations passées et des corrigés pas à pas. Pour tirer pleinement profit de ce support, il est conseillé de chercher à résoudre chaque problème de manière autonome avant de consulter la solution proposée. Les formules mathématiques, les schémas de réseaux neuronaux et les extraits de code de programmation (notamment en langage Piaget ou sur l'interface Choregraphe pour NAO) permettent de lier directement la théorie aux applications robotiques concrètes développées au laboratoire.

Questions fréquentes

À quel cours et quelle institution ce document est-il rattaché ?

Ce document est rattaché au cours de Robotique et d'Automatisation, spécifiquement pour la partie AIC (Automatisation avancée, Intelligence artificielle et Cognitique) dispensée à la HEIG-VD par Jean-Daniel Dessimoz.

Quels types d'exercices trouve-t-on dans le support ?

Le support propose des exercices variés incluant le calcul de quantités d'information en bits, le dimensionnement de régulateurs PID, la conception d'arbres de décision, l'application de l'inférence bayésienne, la logique floue, ainsi que la configuration de réseaux de neurones et d'algorithmes génétiques.

Les corrigés sont-ils inclus dans le document ?

Oui, la grande majorité des exercices présentés disposent d'un corrigé détaillé comprenant les formules, les calculs intermédiaires et les explications méthodologiques.

Testez vos connaissances

Question 1

Quelle est la formule générale utilisée pour calculer la quantité moyenne d'information pour un ensemble de messages équiprobables N ?

  1. Q = log2(N)
  2. Q = N * log2(N)
  3. Q = 1 / log2(N)
  4. Q = log10(N)

Réponse correcte : Q = log2(N)

Explication : Pour un ensemble de N messages équiprobables, la quantité d'information est mesurée en bits à l'aide du logarithme en base 2 du nombre de variantes.

Question 2

Dans le contexte de la logique floue, quel opérateur généralise l'opérateur booléen « Et » ?

  1. L'opérateur Max
  2. L'opérateur Min
  3. La somme algébrique
  4. Le produit logique inverse

Réponse correcte : L'opérateur Min

Explication : En logique floue, l'intersection de deux ensembles flous (correspondant au « Et » booléen) est généralement calculée en prenant le minimum des degrés d'appartenance.

Question 3

Selon l'approche des automates en situation de Rodney Brooks, quel principe fondamental est mis en avant ?

  1. Le modèle c'est le monde, la machine est dispensée d'élaborer des modèles complexes.
  2. Le robot doit obligatoirement mémoriser l'intégralité de son environnement sous forme de matrice 3D.
  3. Le système doit privilégier une planification globale avant toute action locale.
  4. La machine n'utilise aucun capteur physique.

Réponse correcte : Le modèle c'est le monde, la machine est dispensée d'élaborer des modèles complexes.

Explication : L'approche des automates en situation repose sur l'exploitation directe des capteurs et de l'environnement réel sans nécessiter de mémorisation ou de modélisation interne lourde.





Télécharger Exercices et corrigés de Robotique et Automatisation : AIC pdf