Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

9 mai 2019

offre de thèse Heudiasyc CNRS UTC : Intégrité des informations de perception pour la navigation des véhicules autonomes


Catégorie : Doctorant


Titre :Intégrité des informations de perception pour la navigation des véhicules autonomes
Lieu :Heudiasyc UMR 7253 CNRS- UTC, Compiègne, France

 

Directeurs de thèse :Véronique Cherfaoui et Philippe Bonnifait

Période : 3 ans, démarrage à l’automne 2019

Financement :Contrat doctoral CNRS

 

 

Contexte et objectifs : Lorsque la conduite d'un véhicule automobile évoluant sur des routes ouvertes à la circulation publique est déléguée à une machine, les informations manipulées par la machine en temps réel doivent être suffisamment précises et non trompeuses pour que les décisions qui en découlent ne portent atteinte à la sécurité des personnes à bord du véhicule ainsi qu’aux autres usagers de la route.

Une approche consiste à estimer en temps-réel une représentation du monde la plus fiable possible. Les systèmes de perception embarqués ont fait des progrès très importants ces dernières années, en particulier en ce qui concerne la détection et la reconnaissance des formes. Ceci est dû à une amélioration des capteurs mais aussi aux systèmes de traitement qui utilisent maintenant des réseaux de neurones profonds ayant appris des caractéristiques à partir d'objets étiquetés à la main sur des données massives. Néanmoins, il demeure des fausses alarmes et des non détections, même lorsqu'on combine des perceptions de différentes modalités (vision et lidar typiquement).

D'un autre côté, les véhicules deviennent communicants. Avec des protocoles utilisés dans les réseaux dynamiques, ils peuvent s'échanger directement leurs poses estimées et on prévoit qu’ils pourront aussi s’échanger des caractéristiques de la scène qu'ils ont perçue. Ainsi, les informations de perception peuvent être partagées, ce qui constitue un nouveau paradigme qui peut augmenter l’intégrité de perception et éviter de barder les véhicules avec de nombreux capteurs.

Sujet :Le sujet proposé dans cette thèse porte sur la fusion de percepts obtenus à l'aide de capteurs embarqués avec d’autres transmis par d'autres véhicules collaboratifs.

Une première partie des travaux portera sur l'étude de la cohérence entre les différentes informations permettant soit de valider certains percepts, soit d’en rejeter d’autres. La mesure de cohérence sera basée sur des éléments clés (objets statiques) de la scène de conduite perçus par l’ego-véhicule et contenus dans les messages reçus. Nous envisageons de baser cette étude sur nos travaux en association optimale de données incertaines représentées par des fonctions de croyance.

Dans une deuxième partie, on étudiera des méthodes combinant les informations associées provenant de sources dont la réputation (ou la confiance) n’est pas connue. L’objectif est que la fusion des percepts validés augmente la confiance dans les objets dynamiques et diminue leur incertitude de positionnement. Pour cette partie, les approches bayésiennes à intersection de covariance partitionnée seront étudiées.

Ces travaux s’appuieront sur les plateformes de l’EQUIPEX Robotex du site de Compiègne pour réaliser des expériences à l’échelle un, avec plusieurs véhicules autonomes de type « Zoé ». Ces travaux s’inscriront aussi dans le cadre du Labex MS2T (Maîtrise des Systèmes de Systèmes Technologiques) porté par l’UMR Heudiasyc et le GT2 « véhicules autonomes » du GdR Robotique.

Profil et compétences du candidat : Master en robotique et/ou informatique et/ou mathématiques appliquées, bonnes compétences en programmation (C ++, ROS, Python, Matlab, Linux / Windows), gout pour les expérimentations.

 

Candidature: Toute candidature devra inclure les éléments suivants :
- Une lettre de motivation expliquant l’intérêt du candidat pour le sujet
- Un C.V. montrant clairement comment le candidat correspond au profil recherché
- Les coordonnées d’au moins un référent.

Envoyer avant le 7 juin 2019 à : veronique.cherfaoui@hds.utc.fr,philippe.bonnifait@hds.utc.fr

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2019.