Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives

Probability theory is a framework for representing uncertainty – due either to variability or unmodelled, unobserved factors – in a multitude of observed quantities. Probabilistic modeling enables robustness to noise and uncertainty in a number of autonomous systems, and through the widespread adoption of probabilistic algorithms. Probabilistic modeling was responsible for robotics transitioning from fragile, hand-tuned systems, to systems that are robust to operating in the natural world with noisy sensors. In order to interact with a complex and not-perfectly-known environment, both robots and biological creatures need to represent and manipulate probabilities. While probability-based mathematical formalisms such as Bayesian Optimization exist, they often assume an unlimited amount of computing power, and it is unclear how they can be mapped into more realistic physical hardware, or into artificial neural networks. In recent years, a variety of methods have been developed to start to connect probabilistic information with neural networks. The overall goal of the project is to further develop these techniques and to apply them to the flexible soft-robotics systems

La théorie des probabilités est un cadre permettant de représenter l’incertitude – causée par la variabilité ou par des facteurs non modélisés et non observés – dans une multitude de quantités observées. La modélisation probabiliste permet d’aller au-delà du bruit et de l’incertitude dans un certain nombre de systèmes autonomes, notamment grâce à l’adoption généralisée d’algorithmes probabilistes. La modélisation probabiliste a permis à la robotique de passer de systèmes fragiles, réglés à la main, à des systèmes suffisamment robustes pour fonctionner dans le monde naturel avec des capteurs exposés à une grande quantité de bruit de fond. Pour interagir avec un environnement complexe et partiellement inconnu, les robots et les créatures biologiques doivent représenter et manipuler des probabilités. Bien qu’il existe des formalismes mathématiques basés sur les probabilités, tels que l’optimisation bayésienne, ils supposent souvent une puissance de calcul illimitée, et leur mise en oeuvre sur du matériel physique plus réaliste ou dans des réseaux de neurones artificiels pose problème. Ces dernières années, diverses méthodes ont été mises au point pour commencer à relier les informations probabilistes aux réseaux neuronaux. L’objectif général du projet est de développer ces techniques et de les appliquer aux systèmes flexibles de robotique souple

In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.

À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.

Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.

Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.