Vers la dcouverte de nouvelles modalits sensorimotrices'

1
Sélection Automatique de Variables Pertinentes

• Vers la découverte de nouvelles modalités
  sensori-motrices.

Encadrants Pierre Bessière Anne Spalanzani
Pierre Dangauthier DEA I.V.R. 24 Juin 2003
2
Plan

• Présentation du problème
• Sélection de variables
• Approche
• Méthodologie expérimentale
• Analyse des résultats
• Conclusion

3
Cadre

• Equipe CyberMove
• Projet INRIA,
• Robotique autonome,
• Environnement non contrôlé,
• Programmation bayésienne.
• Projet Européen BIBA
• Plausibilité biologique du modèle

4
Objectifs

• Automatiser la découverte de nouvelles modalités
  sensori-motrices
• Trouver des relations entre variables
• Exemples
• Robot BIBA
• Laser ? ultrasons

• Balle Rouge
• Vision ? capteur de proximité

5
De la balle rouge au cube vert
Découverte dune nouvelle modalité sensorielle

• 59 variables 16 proximètres, 16 photomètres,
  vitesse et position des roues, position caméra,
  variables internes

6
Contexte

• Programmation bayésienne des robots Lebeltel03

Programme
7
Plan

• Présentation du problème
• Sélection de variables
• Approche
• Méthodologie expérimentale
• Analyse des résultats
• Conclusion

8
Sélection de variables
Apprentissage Calcul TauxReco
LiuYu02
9
Évaluer un sous-ensemble

• Evaluation variable par variable
• Feature ranking insuffisant Guyon03
• Evaluation sous-ensemble
• Formule de Ghiselli Ghi64

• Evaluation de corrélation
• Statistique du ?2
• X-H

10
Comparatif wrappers / filters
11
Plan

• Présentation du problème
• Sélection de variables
• Approche
• Méthodologie expérimentale
• Analyse des résultats
• Conclusion

12
4 Algorithmes simples

• Rank XH et Rank?2
• Type filter
• Complexité
• Test?2
• Type filter Test statistique
• Complexité N calcul de p-valeur
• Wrappers exhaustifs
• Type wrapper avec kN (et kN/2)
• Complexité

Légende N Variables k Variables
retenues C Valeurs T Exemples G
Générations I Individus
13
FAXH et FA?2

• Type filters
• Exploration Forward addition Koller96
• Évaluation Ghiselli CIS ou statistique du ?2
• Critère darrêt fin de croissance des scores
• Complexité

14
AGWrap

• Type wrapper
• Exploration Algorithme génétique
  Spalanzani99
• Évaluation taux de reconnaissance Yang98
• Critère darrêt Nombre de générations
• Complexité

15
AGXH

• Type filter
• Exploration Algorithme génétique
• Évaluation Ghiselli CIS
• Critère darrêt Nombre de générations
• Complexité
• Hall98

16
MoCap

• Type filter
• Exploration Backward Elimination Koller96
• Critère darrêt nombre de variables
• Complexité
• Évaluation KL-distance symétrisée modèle
  capteur

17
Plan

• Présentation du problème
• Sélection de variables
• Approche
• Méthodologie expérimentale
• Analyse des résultats
• Conclusion

18
Méthodologie de test

• Provenance des données
• Simulateur logiciel maîtrise
• Robot Koala
• Critères de comparaison
• NbVar, TxReco, TpsCalc, Pouvoir explicatif,
  paramètres.
• Protocole expérimental
• 11 fichiers de données et 11 fichiers de test
  pour validation
• Résultats bruts et moyenne
• Liste des expériences
• 7 expériences simples pour tests et 4 réalistes

19
Expérimentation
20
Méthodologie de test

• Provenance des données
• Simulateur logiciel maîtrise
• Robot Koala
• Critères de comparaison
• NbVar, TxReco, TpsCalc, Pouvoir explicatif,
  paramètres.
• Protocole expérimental
• 11 fichiers de données et 11 fichiers de test
  pour validation
• Résultats bruts et moyenne
• Liste des expériences
• 7 expériences simples pour tests et 4 réalistes
  (dont 2 du robot)

21
Plan

• Présentation du problème
• Sélection de variables
• Approche
• Méthodologie expérimentale
• Analyse des résultats
• Conclusion

22
Résultats 1/3
23
Résultats 2/3
Moyennes sur les fichiers dexemples réalistes
(Ngt 20)

• Wrappers trop lents
• FA?2 termine trop tôt
• Test?2 garde trop de variables
• FAXH trop lent si N grand (N3)

24
Résultats 3/3

• AGXH et MoCap

• Avec un même k, MoCap est plus performant et
  beaucoup plus rapide
• Mais problème dautonomie

25
Comparatif
26
Retour sur la balle rouge

• AGXH, FAXH et ModCapN/4 sont équivalents
• FAXH lent
• Problème de MoCap (critère d'arrêt)
• gt AGXH le mieux adapté

27
Plan

• Présentation du problème
• Sélection de variables
• Approche
• Méthodologie expérimentale
• Analyse des résultats
• Conclusion

28
Contribution

• Un premier pas vers la découverte automatique de
  nouvelles modalités sensori-motrices
• Proposition de plusieurs algorithmes de  feature
  selection 
• Comparaison méthodique dans le cadre de robotique
  autonome

29
Perspectives

• Perspectives techniques
• Autre critère darrêt pour MoCap
• Variables continues
• Un deuxième pas vers la découverte de nouvelles
  modalités
• Période de recherche
• Corrélations dans le domaine moteur