Lecture 11 | MIT 6.881 (Robotic Manipulation), Fall 2020 | Deep Perception (part 1)

Ce cours magistral offre une introduction solide à la perception profonde pour la robotique, en s’appuyant sur l’expérience et l’expertise de Russ Tedrake, professeur au MIT. La valeur pédagogique est indéniable : l’enseignant contextualise l’importance de l’apprentissage profond en robotique, en montrant comment il dépasse les limites de la perception géométrique classique. L’argumentation est claire et progressive, partant de problèmes concrets (saisie d’objets dans un bac) pour aboutir à des concepts plus généraux de vision par ordinateur. La rigueur scientifique est bonne : les propos sont étayés par des références à des travaux et des jeux de données réels (ImageNet, COCO, LabelMe), et l’enseignant fait preuve de recul critique en soulignant les défis liés à la quantité de données nécessaires. Cependant, on peut noter que le cours reste à un niveau introductif, sans entrer dans les détails techniques des architectures de réseaux de neurones, ce qui est assumé par l’enseignant. De plus, certaines anecdotes (comme l’histoire de la mère d’Antonio Torralba) apportent une touche humaine mais n’ont pas de valeur scientifique directe. L’adéquation entre le titre et le contenu est parfaite : il s’agit bien de la première partie d’une leçon sur la perception profonde. Enfin, la qualité des sources est bonne, même si aucune source externe n’est citée explicitement dans la vidéo, mais les liens vers le site du cours et les slides sont fournis. Dans l’ensemble, ce cours constitue une excellente introduction pour des étudiants ou des professionnels souhaitant comprendre les enjeux de la perception profonde en robotique.

Le titre est parfaitement adéquat : il s'agit bien de la onzième séance du cours MIT 6.881 sur la manipulation robotique, consacrée à la perception profonde (première partie).

8/10

Cours universitaire de niveau master (MIT) dispensé par un expert reconnu en robotique et manipulation. Le contenu est structuré, pédagogique, et s'appuie sur des références académiques et des données historiques vérifiables. La fiabilité est élevée, bien que le format de cours magistral implique une certaine subjectivité dans la sélection des sujets.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction : philosophie de l'enseignement du deep learning, diversité des expériences des étudiants.
• 02:00Limites de la perception géométrique : exemple des deux boîtes avec languettes, nécessité d'utiliser la couleur et les connaissances a priori.
• 05:00Introduction à l'apprentissage supervisé et à la nécessité de données étiquetées.
• 10:00Histoire des jeux de données : LabelMe, Amazon Mechanical Turk, anecdote sur la mère d'Antonio Torralba.
• 15:00ImageNet : création, connexion avec WordNet, utilisation de Flickr, impact sur le deep learning.
• 20:00Distinction entre classification, détection d'objets, segmentation sémantique et segmentation d'instances.
• 25:00Importance de la segmentation d'instances pour la manipulation robotique.
• 30:00Présentation du jeu de données COCO et de son rôle dans la segmentation d'instances.

• Manipulation.csail.mit.edu — Site web du cours MIT 6.881, contenant les notes de cours et les ressources associées.
• Slides de la leçon 11 — Slides en direct utilisées pendant la leçon, disponibles en ligne.

• Manipulation.csail.mit.edu — Le site du cours contient des notes détaillées qui complètent la leçon.