Séminaires

Gabriel Frisch

Doctorant, Université de Technologie de Compiègne

Le mardi 28 mai 2019 à 14h, en GI 42

Résumé: Nous présentons un modèle statistique basé sur le Latent  Block Model (LBM, une méthode de coclustering) pour réaliser une  recommandation sociale. Le modèle utilise des variables latentes pour
modéliser un processus de manquement de donnée de type Not Missing At Random (NMAR)

Jerry Lonlac

Post-doctorant, IMT Lille Douai

Le mercredi 22 mai à 14h, en GI42

Abstract: Dans cet exposé décomposé en deux parties, je présenterai mes travaux autour de la Satisfiabilité en logique propositionnelle et de la fouille de données, en faisant ressortir les liens pouvant exister entre-elles.

Dans la première partie, je commencerai par introduire brièvement le problème de la Satisfiabilité propositionnelle qui est un problème fondamental en théorie de la complexité. Ensuite, je montrerai comment introduire un point de vue basé sur les préférences des utilisateurs dans la résolution SAT à partir d'une stratégie de suppression de clauses apprises (explications des différents conflits) fondée sur une
relation de dominance entre clauses apprises.

Dans la deuxième partie, je me focaliserai tout d’abord sur le problème de fouille de motifs graduels. Les motifs graduels qui modélisent les co-variations complexes d'attributs de la forme "plus/moins A, plus/moins B"; jouent un rôle primordial dans plusieurs applications du monde réel où le volume de données numériques à gérer est important, c'est le cas de données biologiques ou de données médicales. Ces motifs peuvent constituer un moyen de prendre en compte l’incertitude dans les co-variations de valeurs d’attributs. Par la suite, je présenterai une nouvelle formulation du problème de fouille de motifs graduels comme une tâche de fouille de motifs séquentiels. Cette réduction originale permet d’exploiter les algorithmes de fouille de motifs séquentiels pour extraire les motifs graduels et de surmonter quelques limitations des approches de la littérature.

Enfin, je montrerai à travers une modélisation par contraintes du problème de fouille de motifs graduels comment rechercher les motifs graduels en utilisant la Satisfiabilité Propositionnelle.

Xavier Parent

Chercheur post-doctoral, Université du Luxembourg, Faculty of Science, Technology and Communication

Le mardi 21 mai 2019 à 14h, en GI 42

Résumé: Les logiques non-monotones et les logiques des conditionnels ont été développées par les chercheurs en IA pour rendre compte du raisonnement en situation d'incertitude. La base de connaissance contient des énoncés conditionnels (« si... alors ... ») exprimant des règles générales sujettes à exceptions.  On s'intéresse ici aux logiques des conditionnels dans leur version dite ``déontique", où  le conditionnel exprime une obligation. Le modèle est de type qualitatif ou ordinal, et repose sur l'usage d'une relation de préférence comparant deux alternatives.  Cette approche de type qualitative se veut ``généraliser"  l'approche de type quantitative, reposant sur la manipulation de nombres, ou d'utilités.

Dans cet exposé, je présenterai le résultat d'un projet qui vise à identifier les différentes axiomatiques  que l'on obtient en jouant sur deux facteurs. Tout d'abord, on peut faire varier les propriétés de la relation de préférence: réflexivité, transitivité, totalité, limit assumption. Ensuite, on peut jouer sur la distinction (faîte en théorie du choix rationnel) entre élément maximal et élément optimal.

Si le temps le permet, je décrirais également un travail en cours d'automatisation de ces logiques via Isabelle/HOL--collaboration avec C. Benzmueller (Université Libre de Berlin)

Khaled Belahcène

Post-doctorant, Nutriomics laboratory

Le jeudi 16 mai à 14h, en GI42

Abstract: Le modèle additif constitue le vaisseau amiral des procédures visant à agréger des points de vues multiples, voire conflictuels, que ce soit en décision multicritères, en choix social, ou en apprentissage automatique. Sa simplicité technique incite à penser qu’il s’agit d’un modèle « interprétable ». Nous chercherons à réaliser ce potentiel, en allant jusqu’à l’interprétation, de cette procédure d’agrégation des préférences, dans un cadre robuste vis-à-vis de l’aspect incomplet de l’information.

Bibliographie:

Belahcene, Khaled, et al. Explaining robust additive utility models by sequences of preference swaps. Theory and Decision 82.2 (2017): 151-183.

Belahcene, Khaled, et al. Comparing options with argument schemes powered by cancellation. IJCAI 2019

Martin Dieguez

Chercheur post-doctoral, Ecole Nationale d'Ingénieurs de Brest, Lab-STICC

Le mardi 14 mai 2019 à 14h, en GI 42

Résumé: Answer Set Programming (ASP) est une forme de programmation déclarative orientée vers les problèmes de recherche difficiles (principalement NP-difficiles). ASP a été utilisé avec succès dans des domaines tels que la représentation des connaissances (KR), la programmation logique et le raisonnement automatique. Dans cet exposé, je présenterai plusieurs extensions d’ASP qui permettent d’utiliser ce formalisme pour représenter et raisonner sur différents types de scénarios tels que robotique, réalité virtuelle, intégration des connaîsances, planification, diagnose, systèmes biologiques ou scénarios contenant des informations incertaines.

Abstract: Answer Set Programming (ASP) is a form of declarative programming oriented towards difficult (primarily NP-hard) search problems. ASP has been successfully used in areas such as Knowledge Representation (KR), Logic Programming and Automated Reasoning. In this talk I will present several recent of ASP that allow using this formalism for representing and reasoning on different types of scenarios such as robotics, virtual reality, knowledge integration, planning, diagnosis, biological systems or scenarios with uncertain information.

Christophe Ambroise

Professeur, Université d'Évry Val d'Essonne, Laboratoire de Mathématiques et Modélisation d'Évry

Le mardi 9 Avril à 15h, en GI 42

Abstract: The behavior of ecological systems mainly relies on the interactions between the species it involves. In many situations, these interactions are not observed and have to be inferred from species abundance data. To be relevant, any reconstruction network methodology needs to handle count data and to account for possible environmental effects. It also needs to distinguish between direct and indirect interactions and graphical models provide a convenient framework for this purpose.

We introduce a generic statistical model for network reconstruction based on abundance data. The model includes fixed effects to account for environmental covariates and sampling efforts, and correlated random effects to encode species interactions. The inferred network is obtained by averaging over all possible tree-shaped (and therefore sparse) networks, in a computationally efficient manner. An output of the procedure is the probability for each edge to be part of the underlying network. 

A simulation study shows that the proposed methodology compares well with state-of-art approaches, even when the underlying network strongly differs from a tree. The analysis of two data sets highlights the influence of covariates on the inferred network.

Prakash Shenoy

Professeur, Kansas University, School of business

Le mardi 2 Avril à 14h, en amphi Gauss

Abstract: I will present some of the theory and applications of graphical models using Dempster-Shafer's (DS) belief function theory. To emphasize the commonalities with probabilistic graphical models, I will first describe the abstract framework of valuation-based systems, which includes probability theory and DS belief function theory. Next, I will describe the basics of DS belief function theory, and illustrate the definitions using the captain's problem from Almond's 1995 monograph titled "Graphical Belief Modeling." Using the captain's problem, I will describe local computation in computing marginals of joint belief function. This algorithm is implemented in Belief Function Machine (BFM), an open source Matlab code for constructing/solving graphical models in DS belief functions. I will demonstrate the use of BFM in solving the Captain's problem, the chest clinic Bayes net example from Lauritzen-Spiegelhalter's 1988 article in JRSS, and a large communication network reliability example described in Haenni-Lehmann's 2002 article in IJAR.

Amélie Levray

Post-doctorante, Université d'Edimburgh, School of informatics

Le mardi 26 mars à 14h, en GI 42

Abstract: Large-scale probabilistic representations, including statistical 
knowledge bases and graphical models, are increasingly in demand. They 
are built by mining massive sources of structured and unstructured 
data, the latter often derived from natural language processing 
techniques. The very nature of the  enterprise makes the extracted 
representations probabilistic. In particular, inducing relations and 
facts from noisy and incomplete sources via statistical machine 
learning models means that the labels are either already 
probabilistic, or that probabilities approximate confidence. While the 
progress is impressive,  extracted representations essentially enforce 
the closed-world assumption, which means that all facts in the 
database are accorded the corresponding probability, but all other 
facts have probability zero. The CWA is deeply problematic in most 
machine learning contexts. A principled solution is needed for 
representing incomplete and indeterminate knowledge in such models, 
imprecise probability models such as credal networks being an example.
In this work, we are interested in the foundational problem of 
learning such open-world probabilistic models. However, since exact 
inference in probabilistic graphical models is intractable, the 
paradigm of tractable learning has emerged to learn data structures 
(such as arithmetic circuits) that support efficient probabilistic 
querying. We show here how the computational machinery underlying 
tractable learning and inference has to be generalised for imprecise 
probabilities. Our empirical evaluations demonstrate that our regime 
is also effective.

Khaled Belahcène

Post-doctorant, Nutriomics laboratory

Le mardi 12 mars à 14h, en amphi Gauss (bâtiment G du centre de recherche)

Abstract: Nous cherchons à équiper un processus d’aide à la décision d’outils permettant de répondre aux exigences de redevabilité. Nous faisons l’hypothèse d’un processus dialectique entre parties prenantes de la décision, ce qui permet d’envisager l’acquisition d’information sur les préférences ainsi que la possibilité d’interroger le bien-fondé ou la loyauté de la procédure de décision/recommandation, voire d’en contester les effets. Techniquement, nous proposons d’étudier l’espace des versions d’un modèle d’agrégation des préférences issu de la Théorie de la décision, et de formuler le problème inverse correspondant. Nous verrons comment cette formulation permet de représenter l’inférence robuste à l’aide de schémas d’arguments, et ainsi produire des explications des recommandations, si possible correctes, complètes, facile à calculer et à comprendre. Nous illustrerons cette approche dans le cadre d’une procédure collective de tri par approbation.

Arthur Van Camp

Post-doctorant, Université de Technologie de Compiègne, Heudiasyc (équipe CID)

Le mardi 5 mars en GI42, à 14h

Abstract:

Imprecise choice functions constitute a very general and simple mathematical framework for modelling choice under uncertainty. In particular, they represent the set-valued choices that typically arise from applying decision rules to imprecise-probabilistic uncertainty models. Choice functions can be given a clear behavioural interpretation in terms of attitudes towards gambling.  I will introduce choice functions as a tool to model uncertainty, and connect them with other, less general, belief models used in the theory of imprecise probabilities, such as sets of desirable gambles, and sets of probabilities.

Marc Cavazza,

Professeur, Chef du Département Informatique à l'Université de Greenwich

Le mardi 26 février dans l'amphi du Centre d'Innovation, à 14h

Résumé :

Les techniques de Narration Interactive se sont développées depuis les années 2000 principalement dans le but de fournir un contenu narratif plus évolué aux médias interactifs, pour des applications plus ludiques qu’éducatives. Avec le développement de représentations des connaissances plus sophistiquées et d’approches plus cognitives de la narration, il existe de nouvelles opportunités pour utiliser des techniques narratives dans le cadre de la simulation et de la formation. Cette tendance rejoint au niveau narratif le développement du domaine des « Jeux Sérieux ». Nous présentons plusieurs exemples d’utilisation de techniques narratives dans des applications non ludiques, basées sur une utilisation de techniques de planification par operateurs ou par tâches.

Dans le domaine de la formation ou de l’éducation des patients, la conversion de modèles en connaissances en fragments narratifs scénarisés peut être utilisée pour créer une diversité de situations résultant de l’interaction entre des connaissances génériques et des données personnelles. Nous présenterons également une approche cognitive de la narration qui vise à contrôler le phénomène de compréhension narratif, et qui a pu être utilisée pour explorer la compréhension causale chez l’enfant.

Timothée Tabouy

Doctorant à AgroParisTech

Le mardi 8 janvier en GI42, à 14h

Résumé :

The purpose here is to deal with non-observed dyads during the sampling of a network and consecutive issues in the Stochastic Block Model (SBM) inference. We’ll review sampling designs and recover Missing At Random (MAR) and Not Missing At Random (NMAR) conditions for SBM. We’ll introduce several variants of the variational EM (VEM) algorithm for inferring the SBM under various sampling designs (MAR and NMAR). Model selection criteria based on Integrated Classification Likelihood (ICL) are derived for selecting both the number of blocks and the sampling design. We’ll investigate the accuracy and the range of applicability of these algorithms with simulations. We’ll finally explore one real-world networks from biology (protein-protein interaction network), where the interpretations considerably depends on the sampling designs considered.

Destercke Sébastien

Chercheur CNRS au laboratoire Heudiasyc

Le mardi 22 janvier 2018 à 14h en GI16

Résumé :

In this talk, we will present a generic mean to handle preferences of an individual user tainted with uncertainty, with belief functions used as an uncertainty model. We will illustrate the approach on a classical weighted average. We will discuss the potential interests of such an appraoch, as well as its possible limits.

Emmanuel Ramasso

Maître de conférence à l'ENSMM de Besançon

Le jeudi 20 décembre en GI42, à 11h

"Monitoring of engineered systems"


Résumé :

The presentation will first start with a global view of some monitoring methodologies developed in our team to detect and track a degradation on engineered systems. Illustrations will concern turbofan engines, rolling bearings, milling and carbon pipes.

The methodologies rely on pattern recognition algorithms dedicated to those applications and fed by time-series and by a priori knowledge. One of the common points of those algorithms concerns the management of uncertainty and for that we used different formalisms:

 

  • belief functions applied to online learning with evolving models,
  • computational geometry based on polygons for similarity based monitoring and prognostics,
  • and consensus clustering in unsupervised learning for reverse engineering.

The second part will be dedicated to Evidential Hidden Markov Models for the statistical representation of time-series using belief functions. Inference and learning in those models will be detailed and discussed.

Stéphane Cardon

Maître de conférence à Écoles de Saint-Cyr Coëtquidan

Le mardi 18 décembre 2018 en Amphi Gauss, à 14h

Résumé :

Le premier jeu à avoir utilisé la planification comme IA pour ses personnages non joueurs est First Encounter Assault Recon (F.E.A.R) en 2005. Le résultat était saisissant et a incité à se poser une question : Peut-on planifier en temps réel des centaines d’IAs dans un jeu ou une simulation tactique ? La réponse, en cours de développement et pour l'instant positive, se base sur un planificateur de type STRIPS et la programmation GPU. Cependant, la planification ne s’arrête pas là. Avec la bonne modélisation, elle pourrait permettre de déstructurer un champ de bataille ou encore proposer une séquence de courtes simulations immersives, les deux situations ayant un but formateur.

Zied Bouraoui

Maître de conférence à l'université d'Artois

Le mardi 4 décembre en GI42, à 14h

Résumé :

Considerable attention has recently been devoted to the problem of automatically extending knowledge bases by applying some form of inductive reasoning. While the vast majority of existing work is centred around so-called knowledge graphs, in this talk I will consider a setting where the input consists of a set of (existential) rules. I will present some Bayesian models to find plausible missing rules which are inspired by cognitive models for category based induction. Unlike many existing approaches, we learn rules by directly exploiting regularities in the given rule base, and do not require that a database with concept and relation instances is given. As a result, the proposed methods can be applied to a wide variety of ontologies.

Xuhong (Jacques) Li

Doctorant au laboratoire Heudiasyc

Le mardi 16 octobre 2018 à 14h30 en GI42

Résumé :

In inductive transfer learning, fine-tuning pre-trained convolutional networks substantially outperforms training from scratch. When using fine-tuning, the underlying assumption is that the pre-trained model extracts generic features, which are at least partially relevant for solving the target task, but would be difficult to extract from the limited amount of data available on the target task. However, besides the initialization with the pre-trained model and the early stopping, there is no mechanism in fine-tuning for retaining the features learned on the source task. In this paper, we investigate several regularization schemes that explicitly promote the similarity of the final solution with the initial model. We show the benefit of having an explicit inductive bias towards the initial model. We eventually recommend that the baseline protocol for transfer learning should rely on a simple $L^2$ penalty using the pre-trained model as a reference.

Yonatan Alarcon

Doctorant au laboratoire Heudiasyc

Le mardi 16 octobre 2018 à 14h00 en GI42

Résumé :

Dans cette présentation, nous présenterons des premiers résultats concernant l'extension de l'analyse linéaire discriminante imprécise (une méthode classique d'apprentissage) au cas imprécis, qui permet de produire des prédictions prudentes en cas de manque d'information et/ou d'informations conflictuelles quand à la vraie classe.

Cesar Tacla

Professeur à Universidade Tecnologica Federal Do Parana

Le jeudi 4 octobre 2018 à 10h en GI42

Résumé :

La première partie concerne les concepts fondamentaux de l'argumentation.

Ensuite, je présente un usage de l'argumentation rhétorique qui englobe appels, menaces et récompenses dans des dialogues entre agents. Il s'agit d'un modèle pour le calcul de la force de arguments basé sur l'état de l'objectif que l'émetteur veut attaquer/faire avancer et sur la crédibilité de l'émetteur pour accomplir ses menaces, récompenses et appellations. 

Le deuxième usage concerne la prise de décision consensuelle. Des agents veulent choisir une option entre plusieurs options envisageables (par exemple, quel langage de programmation pour un certain projet). Chaque agent a sa propre base de croyances qui peuvent amener a des arguments contradictoires lorsque ils dialoguent a propos d'une option (ex. langage X). A partir d'un dialogue il est possible de construire un graphe d'attaques entre les arguments. L'option choisie est celle qui a le support des arguments les plus forts: ceux qui gardent des informations les plus répandues parmi les agents. 

Ines Couso

Professeur à l'Université d'Oviedo

Le vendredi 28 september 2018 à 11h en GI42

Résumé :

Imprecise Dirichlet Process-based tests (IDP-tests, for short) have been recently introduced in the literature by Benavoli et al. Those tests overcome the problem of deciding how to select a single prior in Bayesian hypothesis testing, in the absence of prior information. They make use of a “near-ignorance” model, that behaves a priori as a vacuous model for some basic inferences, but it provides non-vacuous posterior inferences. The authors performed an empirical study comparing the behaviour of a classical frequentist test and its IDP-based counterpart. They concluded that IDP-based test are capable of isolating instances (samples) where the frequentist test is virtually “guessing at random”.  We perform additional empirical studies that aim at shedding more light on the issue. We consider in particular the Wilcoxon rank sum test, and its IDP-based extension. We show that the upper and lower posterior probabilities can be expressed as tail probabilities based on the value of the U statistic, and that therefore there is a one-to-one correspondence between those upper and lower probabilities and the p-value of the frequentist test. We construct an imprecise frequentist-based test that reproduces the same decision rule as the the IDP test. It considers a neighbourhood around the U-statistic value. If all the values in the neighbourhood belong to the rejection zone (resp. to the acceptance region), the null hypothesis is rejected (resp. accepted). Otherwise, the judgement is suspended. This construction puts a step forward in the reconciliation between frequentist and Bayesian hypothesis testing: this kind of imprecisiation over the set of priors seems to produce similar effects on the decision mechanisn as an imprecisiation of data around the observations.

Cassio P. de Campos

Professeur à l'université d'Utrecht

Le vendredi 28 septembre 2018 à 10h en GI42

Summary :

Sum-product networks are an increasingly popular family of probabilistic graphical models for which marginal inference can be performed in polynomial time. They have been shown to achieve state-of-the-art performance in several tasks. When learning sum-product networks from scarce data, the obtained model may be prone to robustness issues. In particular, small variations of parameters could lead to different conclusions. We discuss the characteristics of sum-product networks as classifiers and study the robustness of them with respect to their parameters. Using a robustness measure to identify (possibly) unreliable decisions, we build a hierarchical approach where the classification task is deferred to another model if the outcome is deemed unreliable. We apply this approach on benchmark classification tasks and experiments show that the robustness measure can be a meaningful manner to improve classification accuracy.

Destercke Sébastien

Chercheur CNRS au laboratoire Heudiasyc

Le mardi 10 juillet 2018 à 14h en GI42

Résumé :

In this talk, we will be interested in the problem of ordinal regression, i.e., in predicting discretely, ordered values (such as rating scores of websites, severity levels of diseases, degradation levels of components , evaluation levels of papers, ...) from a given set of attributes and training data. More particularly, we will be interested in the problem of producing cautious predictions (i.e. sets of possible values rather than single ones) when information does not allow us to make precise ones. We propose to do so by considering an imprecise probabilitistic setting, the basics of which we will recall.

We will then present two strategies to perform ordinal regression, based on binary decompositions of the initial problem: the first one based on a tree decomposition, the second on a cumulative decomposition.

Lingxue Yang

Doctorante en informatique aux laboratoires Heudiasyc et Costech

Le lundi 11 juin 2018 à 9h30 en CR C.203 (bâtiment C, UTC)

Résumé :

In recent years, the advances made in computer technology have made human-computer interaction (HCI) penetrated into almost all areas of human activities. As the carrier of the interaction between human and information, the user interface is a key part that influences the systems and human performance. Especially for business software such as analytic applications behind which there are complicated logics. Therefore, the improper information design and interface design will hinder users’ understanding, learning and the use of the interactive systems, causing cognitive barriers, such as memory overload. Interaction design is closely related to human cognition. In analytic applications, the user’s main task is to acquire the useful information that allows him/her to identify the root causes of a business question for decision making. It requires a large number of storage of human working memory to process the information needed for completing an analytical task. As the working memory is limited in capacity, not all the information can be stored in once. Our working memory only stores the most recent information for the current activated task. One consequence is that when the task is interrupted or suspended, to handle a secondary task (interrupting task), the working memory will free up some space for processing the information needed for this secondary task. When the user returns to the primary task (interrupted task), he/she has to recall the released information. It takes time, overcharges the working memory and consumes much mental effort of the user. The result is the loss of time, and reduced task performance. Therefore, it is necessary to design user interface and interaction considering these limits of working memory. The research of analytic provenance focuses on retrieving users’ interaction history, reinstating their reasoning process so that they can quickly resume an interrupted or suspended task. The designed tools through analytic provenance serve as an external memory. Lenay’s two modes of interaction: “put down” and “in hand” allow us to address this problem in two perspectives: memory substitution (put down) and memory supplementation (in hand). Memory substitution considers a memory tool as an object in the environment. Memory supplementation sees a memory tool as a coupling device between the user and the task, and it extends the user's capability of perceiving the problem-solving as a supplementation of their perceptual systems. The existing solutions are more about the design for the former one, they lack a consideration for the latter one. In this research, we try to pose a problem which may improve design considerations in resolving the imbalance between user interface and human cognition from the memory supplementation point of view. We have developed a tool, based on a “history path”, using the concept of analytic provenance. It permits to show, in a specific window of the user interface, some of the steps of a previous resolution task that a user has performed during previous experience (or to simulate a resolution task interruption). We have set up a simple (minimalist) problem-solving task the resolution of which was recorded (screen, voice, eyes movements, time of resolution, etc.), to test if it is possible to design a tool for memory supplementation. We experiment two different tools, based on two history path representations, a static one, and a dynamic one. The static history path shows, at the same time, all the attemps made during a previous experience to resolve a given task. The dynamic history path shows only the attemps of the previous experience, which are close to the current task resolution step. We will present the first results of this experience, which aim at evaluating to what extent a static history path or a dynamic history path can help the user for tasks resolution

Sylvain Lagrue

Maitre de conférences en informatique au laboratoire CRIL, de l'Université d'Artois

Le mardi 22 mai 2018 à 14h en GI042 (bâtiment Blaise Pascal, UTC)

Résumé :

Nous présentons dans cet exposé différents formalismes que nous avons créés, utilisés ou enrichis dans le cadre de recherches académiques ou dans des projets plus appliqués. Ces formalismes ont comme point commun de permettre de mieux prendre en compte les concepts de fiabilité de l’information, d’évolution du monde, d’inférence plausible, de fusion et de révision ou encore de prise de décision. Nous faisons tout d'abord un tour d'horizon des différentes méthodes abordées, leurs éventuels liens et plusieurs applications possibles. Puis, nous nous intéressons plus particulièrement aux problèmes d'incomparabilité et d'incommensurabilité dans le cadre de logiques pondérées et leur application à la révision, à la fusion de croyances et aux logiques de description légères. Nous présentons plus en détail des généralisations de la logique possibiliste aux ordres partiels et aux intervalles. Nous nous intéressons ensuite à nos travaux concernant le General Game Playing. L’objectif de ce dernier est de développer des programmes capables de jouer de manière convaincante à n’importe quel jeu sans intervention humaine. Nous présentons nos résultats basés sur les réseaux de contraintes stochastiques. Enfin, nous présentons succinctement divers travaux en cours et perspectives, dont certains directement liés à la préservation du patrimoine immatériel de l'humanité et plus spécifiquement aux marionnettes sur eau du Vietnam.

Samir Loudni

Maitre de conférences en informatique au laboratoire GREYC, de l'Université de Caen Normandie

Le mardi 15 mai 2018 à 10h30 en GI042 (bâtiment Blaise Pascal, UTC)

Partie 1

Résumé :

La programmation par contrainte (PPC) offre un cadre générique et flexible pour résoudre des problèmes d'optimisation sous contraintes. L’utilisation de la PPC pour exprimer des problèmes de fouille de données possède de nombreux avantages. Le premier est d'offrir à l'utilisateur un moyen simple et déclaratif pour modéliser ses problèmes. Le second est de proposer une approche générique de résolution qui permet à l'utilisateur de ne plus devoir se préoccuper de l'écriture d'un algorithme spécifique pour chaque tâche de fouille. Dans cette première partie de l'exposé je présenterai de manière succincte quelques contributions concernant les apports de la PPC pour la fouille de données orientée motifs et plus particulièrement sur l'extraction de motifs séquentiels et de motifs Pareto.

Partie 2

Résumé :

Un problème récurrent en extraction de motifs est la sélection de motifs pertinents parmi le grand ensemble de motifs découverts. Pour réduire le nombre de motifs extraits et donc de faciliter l'analyse du résultat de la fouille est l'extraction de motifs de plus haut niveau reposant sur des caractéristiques qui impliquent plusieurs motifs locaux. Ces motifs sont appelés ensembles de motifs ou pattern sets. Extraire le meilleur ensemble de motifs relativement à une mesure donnée permet de mieux cibler le processus d’extraction vers les meilleurs motifs mais rend la tâche plus ardue, notamment en raison de la taille importante de l'espace de recherche et le manque de techniques d'élagage efficaces pour ce type de problèmes. La plupart des approches existantes (souvent heuristiques) sacrifient la preuve d'optimalité au détriment de solutions approchées. Toutefois, la qualité de solutions obtenues par ces approches reste très variable.

La PLNE (Programmation Linéaire en Nombres Entiers) est un au cadre générique qui procure un haut niveau de flexibilité et d’expressivité pour composer différentes types de contraintes. L'utilisation de la PLNE pour la modélisation de tâches d’optimisation en fouille de données est un domaine qui a été très peu exploré.

Dans cette seconde partie de l'exposé, je vais montrer comment la PLNE peut être utilisée pour modéliser différentes contraintes portant sur des ensembles de motifs. Outre le cadre général de l’extraction d'ensembles de motifs, je vais illustrer l’intérêt de cette approche sur un problème bien connu en fouille de données: le clustering conceptuel. Enfin, je terminerai par quelques résultats récents sur l'utilisation des moyennes ordonnées pondérées (communément appelées OWA pour Ordered Weighted) afin de trouver un équilibre optimal sur la taille des clusters du clustering conceptuel.

Olivier Spanjaard

Maitre de conférences au LIP6 de l'UPMC

Le jeudi 12 avril 2018 à 14 h en GI042 (Bâtiment Blaise Pascal, université de technologie de Compiègne).

Partie 1 : Une introduction à la théorie de la décision algorithmique

Résumé :

La théorie de la décision algorithmique porte sur l'étude sous l'angle algorithmique de problèmes issus de la théorie de la décision, de la théorie des jeux et de la théorie du choix social. La plupart des travaux réalisés dans ces domaines jusqu'à récemment focalisaient principalement sur des résultats de caractérisation, l'aspect computationnel (i.e., la calculabilité effective des concepts
introduits) étant souvent laissé au second plan. C'est ce deuxième aspect qui fait la spécificité de la théorie de la décision algorithmique, et qui est étudié par une communauté d'informaticiens en intelligence artificielle et en recherche opérationnelle depuis un peu plus d'une dizaine d'années. Une brève introduction à ce domaine sera proposée lors de cet exposé.

Partie 2 : Quelques contributions en théorie de la décision algorithmique

Résumé :

Lors de cet exposé, je présenterai quelques contributions récentes en décision séquentielle dans l'incertain lorsque les préférences suivent un modèle alternatif à l'utilité espérée, et j'aborderai également quelques problématiques en décision collective

Etienne COME

Chargé de recherche à l'IFSTTAR

Le mardi 20 mars 2018 à 14 h en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

Partie 1: Analyse exploratoire de traces numériques de mobilité. Quelques résultats sur les systèmes de vélos en libre service et de transports en Commun.

Les systèmes de mobilités modernes génèrent un nombre important de traces numériques qu’il convient d’analyser pour comprendre et optimiser le fonctionnement de ces systèmes. Ces données se distingues des sources classiquement utilisées pour appréhender les comportement de mobilité et leur évolution (enquête globale transport, enquête ménage déplacement) et nécessite donc des méthodes nouvelles pour essayer de tirer partie de l’information qu’elles recèlent. Après avoir présenté ce contexte générale et les particularités des traces numériques par rapport aux données d’enquête classiques, nous détaillerons différents travaux exploratoires menés dans ce contexte pour mieux cerner ces nouvelles sources et leurs potentialités. Nous verrons en particulier comment les données de stocks des systèmes de Vélos en Libre Service (VLS) peuvent être mobilisées pour résumer le comportement de ces systèmes et faciliter leurs comparaisons. Nous présenterons également des travaux d’analyse exploratoire et de visualisation des données de flux voyageurs. Celles-ci offrent en effet, des perspectives intéressantes pour l’analyse fine des usages et de la dynamique des origines / destinations effectuées par les usagers de transport en commun. Nous présenterons des résultats sur l’exploration de ces données massives aussi bien dans le contexte des VLS que dans celui des transports en commun (métro / RER).

Partie 2: Modèle de mélange et données de comptage, sélection de modèle, régularisation et estimation.

Dans cette présentation, nous nous intéresserons aux méthodologies utilisées pour déterminer le nombre de composantes d’un modèle de mélange lorsque les données sont des données de comptage. Nous nous intéresserons plus particulièrement aux modèles utilisés pour analyser des graphes (Stochastic Block Model et variante) où les comptages correspondent à des nombres d’interaction entre paire d’objet , ou des « textes » (Mixture of Unigram et Poisson mixture) où les comptages correspondent au nombre d’occurrences d’un mot. Nous verrons comment le problème d’estimation du nombre de composantes est traité classiquement dans un cadre fréquentiste et Bayésien aux travers de critères tels que BIC ou ICL. Une attention particulière sera portée aux aspects algorithmiques du problème où l’on discutera des avantages et inconvénients des solutions classiques basées sur l’utilisation de l’algorithme EM et des variantes variationnelles ou bien sur des approches de type MCMC. Nous présenterons dans ce contexte un algorithme d’estimation conjointe de la partition des données et du nombre de composantes basé sur l’optimisation gloutonne d’un critère Bayésien correspondant à L’ICL exacte. Ce critère peut en effet être calculé de manière exacte pour cette famille de modèle lorsque les lois a priori sur les paramètres sont adéquatement choisies. Nous verrons ensuite comment cette approche peut être étendue pour extraire une structure hiérarchique de solutions imbriquées lorsque l’on fait varier le degré de régularisation.

Meltem OZTURK

Maître de conférences au LAMSADE, université Paris

Le lundi 12 mars 2018, à 14 h en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

Partie 1: Présentation générale des travaux de recherche autour des préférences dans les modèles décisionnels.

Les préférences sont au coeur des modèles décisionnels (decision collective, multicritère ou dans l'incertain) et apparaissent dans les différents étapes des processus décisionnels (definition/description du problème, modélisation, résolution et validation/argumentation).
Dans cette première partie de l'exposé je vous parlerai de mes travaux de recherche qui concernent ces différents étapes (avec des résultats théoriques mais aussi avec des applications industriels):

- définition/description du problème:

apport des travaux expérimentaux pour mieux comprendre le comportement des décideurs et utilisation de leur résultats pour trouver des modèles adaptés.
Exemples des processus d'élicitation/apprentissage des préférences.

- modélisation :

comment obtenir un cadre général pour la modélisation des préférences ? Comment representer d'une manière compacte les préférences ?

- résolution :

comment se servir des logiques non classiques ou une modélisation par satisfaction de contraintes pour l'agrégation des préférences ?

- application industriel: trouver la nouvelle ligne grande vitesse entre Paris-Normandie (projet avec la SNCF Réseau)

Partie 2: Résultats sur la partie modélisation des préférences

Quand on travaille avec des décideurs/experts on s'aperçoit rapidement que les orders totaux ou les préordres totaux que l'on utilise souvent dans des approches formels apparaissent très forts/contraignants pour représenter leur préférences. Pour cela des structures de préférences
plus souples ont été proposées dans la littérature. Les semiordres, les ordres d'intervalles ou les ordres partiels sont les plus connus. Ces structures de préférences "sophistiquées" ont été étudiées par différents chercheurs venant de différents domains de recherche et manquaient un cadre général unificateur. Je vous présenterai donc un cadre que nous avons défini qui donne un language commun à ces structures et qui nous aident à en proposer de nouvelles. Le cadre se base sur une axiomatisation simple et couvre la majorité des structures de préférences connues dans la littérature.

Références de la partie 2 :

M. Öztürk, Coherence conditions for preference modeling with ordered points, Journal of Mathematical Psychology, Volume 79, 2017, pages 44–52.

M. Öztürk , M. Pirlot et A. Tsoukiàs, Representing preferences using intervals, Artificial Intelligence Journal, 175, pages 1194-1222, 2011

 

 

Elsa NEGRE
Maître de conférences HDR, UMR Lamsade, Université Paris Dauphine

Le mardi 6 février 2018 à 14 h en GI042(Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

Nos travaux s'articulent autour de l'extraction et de l'analyse de données issues de sources hétérogènes pour les rendre facilement accessibles et exploitables par les utilisateurs/décideurs. En effet, il devient de plus en plus difficile de savoir quelles sont les données à rechercher et où les trouver lorsque la masse de données/informations s'accroît. Des techniques informatiques existent pour faciliter cette recherche et permettre une extraction pertinente des données/informations. L'une d'entre elles est la recommandation qui guide l'utilisateur lors de son exploration, en cherchant pour lui les informations susceptibles d'être pertinentes. Un enjeu intéressant est de proposer un système de recommandation capable de s'adapter à différents cas d'applications, avec de bonnes performances du point de vue de l'utilisateur/décideur et palliant certains manques des systèmes de recommandation existants. Dans le cadre de nos travaux, l'ensemble des données à explorer peut provenir de différents domaines (les environnements de travail collaboratif, les plateformes d'apprentissage en ligne, les entrepôts de données, les villes intelligentes, les systèmes d'alertes précoces, ...) et l'utilisateur à aider peut être un individu isolé ou une entité multiple à visée publique. Conscients que la masse de données/informations à explorer dans de tels cas peut être très importante, complexe et variée, il nous est apparu nécessaire de proposer des systèmes de recommandation appropriés pour y faire face. Nous proposons donc une approche générique de recommandation, en rupture complète avec les travaux existants, que nous instancions pour permettre de recommander soit des éléments, soit des utilisateurs, sous forme de recommandations individuelles ou à visée publique dans différents domaines. Puis, nous nous intéressons à l'évaluation des (systèmes de) recommandations. Afin d'assurer la pertinence des recommandations du point de vue de l'utilisateur/décideur, nous proposons des méthodes pour évaluer subjectivement d'une part le système de recommandation et d'autre part les recommandations retournées. Enfin, malgré de bonnes performances, parfois, les recommandations ne sont pas considérées comme suffisamment pertinentes. Nous proposons donc des techniques pour améliorer les (systèmes de) recommandations. Elles concernent l'amélioration des données d'entrée, le démarrage à froid et l'ajout de données/sources externes (notamment le contexte de l'utilisateur/décideur). Nos propositions ont été validées par la participation à différents projets ainsi que le co-encadrement de thèses de Doctorat et le suivi de travaux de Master Recherche.

Mots clés : Systèmes de recommandation, Analyse de données, Aide à la décision, Systèmes d'Information

Jonathan DEKHTIAR
Doctorant au laboratoire Roberval, UTC

Le mardi 30 janvier 2018 à 10h15 en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

The manufacturing industry is always trying to automate many of its engineering tasks and workflows. Applying Machine/Deep Learning in such an industrial context is challenging for different reasons : Contrary to the GAFAM (Google, Apple, Facebook, Amazon, Microsoft) and BATX (Baidu, Alibaba, Tencent and Xiaomi), the manufacturing industry use on a day-to-day basis highly complex data which comes, most of the time, in proprietary formats (e.g. 3D Models). Moreover, data are not available in large quantities (impossibility to rely on a big data scale) and most of the time in insufficient quantities to train any Deep Learning model to perform any computer vision task. However, Machine Learning can still be applied using various tips and tricks, frequently with good results. Transfer Learning is one effective solution, nevertheless this presentation will not focus on the latter which is already well covered in the literature [Y. Bengio, 2012] - [M. Oquab, 2014]. Inspired by research in anomaly detection for neuro-imagery [K. Wang, 2016] - [T. Schlegel, 2017] and for patrol robots [W. Lawson, 2017], we have studied the effectiveness of Deep Generative Networks and Deep Auto Encoder, namely GANs (Generative Adversarial Networks) and VAE (Variational AutoEncoders). This presentation aims to present the specificities and basics of GANs/VAEs and an overview of the whole process we developed with a limited amount of data (1000 images) and obtain 92% of accuracy and 85% of IOU (Intersection over Union) for the machined surface defect localisation. The proposed approach is able to adapt itself without any change in the structure or hyper-parameter settings to different industrial situations offered by the challenge dataset provided by DAGM 2007. In summary, the strength of the proposed solution is the following : Highly adaptable with limited re-engineering costs, reduced training time (+/- 3 hours on one GPU), Weakly Supervised Approach thus having a very reduced deployment cost.

Contact

Responsables Séminaires CID
Sébastien Destercke | Domitile Lourdeaux
Tél : 03 44 23 79 85 | 03 44 23 79 84 | Contacter par mail

Le mardi 30 avril 2019 à 14 h 30 en GI042, bâtiment Blaise Pascal (UTC)

Séminaire présenté par quatre candidats au poste de maitre de conférences "Réseaux" :

  • OMAR Mawloud
  • Evangelos Bampas
  • Jun Zhang
  • Ghada Jaber

 

 

Stéphane GERONIMI

Ingénieur expert ADAS chez PSA

Le mardi 23 avril 2019 à 14h en amphi Colcombet (Centre de transfert - UTC)

Résumé :

Les communications quotidiennes autour des activités de l’autonomie (prototypes roulants, flottes d’expérimentations… mais aussi évolutions de la réglementation...) montrent une grande effervescence autour des question du véhicule automatisé/autonome.

Au-delà de la simple faisabilité technique, la maturité technique de l’automatisation des véhicules a-t-elle atteinte un niveau compatible d’un prochain déploiement notamment au regard de la question de la sureté de fonctionnement.

Cette présentation fera l’état actuel des questions techniques soulevées par l’automatisation des véhicules en mettant en évidence la question de la « safety ».

Le mardi 10 avril 2018 à 14 h en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Drones Coopérants en Flottille

Osamah SAIF
Post-doctorant au laboratoire Heudiasyc

Résumé :
Les applications de quadrirotors autonomes augmentent rapidement dans notre vie réelle. La surveillance, la vidéo et la photographie sont les domaines d'activité essentiels de véhicules aériens sans pilote (UAV). Actuellement, les chercheurs et les scientifiques se concentrent sur le déploiement multi-drones pour l’inspection et la surveillance de vastes zones. C’est dans cet esprit que je parlerai dans ma présentation de mes activités de recherche qui s’inscrivent dans le projet FUI AIRMES « Drones Hétérogènes Coopérants en Flottille ». Ce projet a pour objectif de permettre le déploiement de flottilles de drones hétérogènes pour permettre la surveillance des installations ferroviaires et électriques.  Ma mission dans ce projet est d’assurer le développement des algorithmes de vol en formations permettant aux drones de naviguer suivant des plans de vol tout en gérant leurs proximités et en maintenant une distance de sécurité entre eux.

Flying base stations for improving the performance of mobile networks

Azade FOTOUHI
Doctorante à l'UNSW de Sydney

Résumé :
There have been increasing interests in employing unmanned aerial vehicles (UAVs) such as drones for telecommunication purpose. In such networks, UAVs act as base stations (BSs) and provide downloading service to users. Compared with conventional terrestrial base stations, such UAV-BSs can dynamically adjust their locations to improve network performance. However, there exists important issues in UAV networks that must be considered. For example, the UAV deployment, introduces a new tool for radio resource management, since BS positions are open for network optimization. Moreover, drones have practical agility constraints in terms of flying speed, turning angles, and energy consumption. The aim of this presentation is to overview the integration of UAVs in cellular networks, existing issues and potential solutions for assisting cellular communications with UAV-based flying relays and base stations. Towards that end, a proposed mobility control method based on the SNR measurement and game theory approach will be presented. The results demonstrate that the UAV-BSs moving according to our proposed algorithm significantly improve the network performance in terms of packet throughput and spectral efficacy compared to a baseline scenario.

Le mardi 16 juillet 2019 à 14h en salle GI-042

  • Laval Virtual (22-26 avril 2019) : I. Thouvenin, B. Wojtkowski, Q. Duchemin, F. Boucaud
  • ICRA (20-24 mai 2019) : A. Welte
  • IV (9-12 juin 2019) : beaucoup de monde
  • TechDays (24-25 juin 2019) : G. Bayard, G. Sanahuja, C. De Souza junior
  • FUSION (2-5 juillet 2019) : J. Al Hage

Edouard CAPELLIER

Doctorant CIFRE au laboratoire Heudiasyc et à Renault.

Le mardi 02 juillet 2019 à 14h00 en salle GI-043

Résumé : In traditional LIDAR processing pipelines, a point-cloud is split into clusters, or objects, which are classified afterwards. This supposes that all the objects obtained by clustering belong to one of the classes that the classifier can recognize, which is hard to guarantee in practice. We thus propose an evidential end-to-end deep neural network to classify LIDAR objects. The system is capable of classifying ambiguous and incoherent objects as unknown, while only having been trained on vehicles and vulnerable road users. This is achieved thanks to an evidential reformulation of generalized logistic regression classifiers, and an online filtering strategy based on statistical assumptions. The training and testing were realized on LIDAR objects which were labelled in a semi-automatic fashion, and collected in different situations thanks to an autonomous driving and perception platform.

Elwan HERY

Doctorant au laboratoire Heudiasyc.

Le mardi 02 juillet 2019 à 14h00 en salle GI-043

Résumé : La localisation reste un enjeu majeur pour les véhicules autonomes. Une localisation précise par rapport à la route et par rapport aux autres véhicules est essentielle pour de nombreuses tâches de navigation, en particulier pour la navigation en convoi où les participants coopèrent pour améliorer leurs localisations mutuelles. Nous présentons une méthode de localisation coopérative distribuée basée sur l'échange de cartes locales dynamiques (CLD). Chaque CLD contient des informations dynamiques sur la pose et la cinématique de tous les agents en coopération. Différentes sources d'information telles que les vitesses longitudinale et de rotation du bus CAN, les poses GNSS, les mesures LiDAR et la détection des bords de voie sont fusionnées à l'aide d'une stratégie de filtre de Kalman asynchrone. Les CLD d'autres véhicules reçues par la communication sont fusionnées à l'aide d'un filtre par intersection de covariance pour éviter la consanguinité de données. Les résultats expérimentaux de ces travaux sont évalués sur des scénarios de conduite en convoi. Ils montrent l'importance d'une localisation relative précise en utilisant la perception LiDAR pour améliorer cette localisation. La localisation relative entre les véhicules est améliorée dans toutes les CLD, y compris pour les véhicules qui ne sont pas capables de percevoir les véhicules environnants, mais qui sont perçus par les autres.

Romain GUYARD

Doctorant au laboratoire Heudiasyc.

Le mardi 18 juin 2019 à 14h00 en salle GI-043

Résumé : Les véhicules intelligents possèdent de plus en plus de capteurs utile à l'aide à la conduite. Cependant, ces capteurs ont des capacités limitées, ce qui peut impacter la prise de décision. Une méthode pour améliorer la précision de la perception des véhicules est de mettre en commun les données générées par plusieurs véhicules observant le même environnement. La méthode privilégiée actuellement est de centraliser les données sur un serveur, de faire les calculs de fusion de données et de renvoyer les résultats aux véhicules (cloud computing). Cette méthode nécessite donc l'envoi de données personnelles à un tiers et suppose une connexion internet permanente. Pour éviter ces contraintes, nous proposons une méthode de fusion de données distribuée où les véhicules communiquent directement entre eux des résultats de fusion ne révélant pas les valeurs internes des capteurs aux voisins. L'algorithme utilise le cadre des  fonctions de croyances pour gérer les imprécisions des capteurs et incertitudes dues au manque de confiance dans les données des autres véhicules. Pendant cette dernière année nous avons concentré nos efforts sur l'élaboration d'un scénario simulé qui permet de mettre en applications plusieurs schémas de fusion proposés. Cette application consiste en la recherche du chemin optimal dans une ville en prenant en compte l'occupation des routes. Une carte d'occupation des routes distribuée est calculé par tous les véhicules qui peuvent ainsi choisir le meilleur chemin pour arriver le plus rapidement à destination.

Abbas CHOKOR

Doctorant au laboratoire Heudiasyc.

Le mardi 18 juin 2019 à 14h00 en salle GI-043

Résumé : In this talk, I will present our work in the field of  Global Chassis Control (GCC) whose goal is to improve the overall vehicle performance by coordinating the Active Front Steering, Direct Yaw Control and Active Suspension controllers. A  multilayer GCC architecture is developed. It contains a local control layer and a decision layer. The local objectives for the sub-controllers in the control layer concern explicitly: maneuverability, lateral stability, rollover avoidance, and ride comfort. The sub-controllers are designed based on the super-twisting sliding mode theory. The decision layer is developed to promote/attenuate the local objectives of the sub-controllers, in order to remove the conflicts among the different objectives and extract the maximum benefit from the coordination using some evaluation criteria. This layer monitors the dynamics of the vehicle, calculates and sends scheduled gains to the sub-controllers, based on fuzzy logic rules and a stability criterion. Finally, the proposed Global Chassis Controller is validated on Matlab/Simulink using a vehicle model validated on the professional vehicle simulator "SCANeR Studio". The results show the effectiveness of the proposed strategy.

Angel Gabriel ALATORRE VAZQUEZ

Doctorant au laboratoire Heudiasyc.

Le mardi 04 juin 2019 à 14h00 en salle GI-042

Résumé :

Shriram JUGADE

Doctorant au laboratoire Heudiasyc.

Le mardi 04 juin 2019 à 14h00 en salle GI-042

Résumé :

The field of ADAS has been continuously evolving for the better and safer driving experience. Currently, the road map for the future developments is targeted to have fully autonomous/self-driving vehicles. Human drivers are still going to play an important part from an overall performance aspect. One important issue still exist i.e. How will the transition between manual driving mode and autonomous driving mode take place? Also, the autonomous driving encounter various driving issues and need to be resolved with the help of human driver. One of the approach to address these issues is shared driving control authority.

In this project, the shared control authority is developed through the fusion of the driving inputs of both the drivers. The use of fusion system approach removes the need of direct interaction between human and autonomous driving system. Fusion is achieved by resolving the conflict between the two drivers using non-cooperative game theory and is based on features like driving decision admissibility, future predictions of driving profiles, individual driving intentions comparison (based on a similarity measure) etc. A two player non-cooperative game is defined incorporating the driving decision admissibility and intentions. Conflict resolution is achieved through an optimal bargaining solution given by Nash Equilibrium. The final driving command for the vehicle is derived from the bargaining solution. The relevant information is fed back to the human driver from the fusion system to avoid any confusion. The validation is carried out on a test rig integrated with the software like IPG CarMaker and Simulink. Various features of the fusion system such as collision avoidance, human centric etc are analyzed in the validation process.

Anand Sánchez-Orta

Anand Sánchez-Orta received his M.Sc. degree in Automatic Control from the Autonomous University of Nuevo León (UANL), Mexico and Ph.D. degree in Information and Systems Technologies from the University of Technology of Compiègne (UTC), France, in 2001 and 2007, respectively. He joined the Robotics and Advanced Manufacturing Division of the Center for Research and Advanced Studies (CINVESTAV) in 2009, where he is currently a Research Professor. His research interests include control theory, state estimation and visual servoing with applications to robotics.

Le jeudi 23 mai 2019 à 14h00 en salle GI-043

Résumé : Nowadays, robotic systems, such as mobile robots, manipulator arms, underwater robots and UAVs, have a great potential in a wide variety of applications. In recent years, they significantly increased their performance, mainly thanks to technological innovations which facilitate their construction and control. However, to increase their degree of autonomy, it is necessary to find more efficient solutions for such systems. In this talk I will present the synthesis of robust estimation and control algorithms with respect to endogenous and exogenous disturbances for the autonomous navigation of robotic systems. In particular, disturbances that are not necessarily differentiable in the usual sense (integer order) are considered. Experimental results will be presented.

Lounis Adouane

Maître de conférences à POLYTECH Clermont-Ferrand.

Le jeudi 23 mai 2019 à 11h30 en salle GI-043

Résumé : This talk makes the focus on the way to increase gradually the autonomy of a single vehicle as well as multi-vehicle systems to achieve autonomous navigation in complex environments (e.g., cluttered, uncertain and/or dynamic). Its main objective is to give an overview of the developed generic control architectures (mainly decision/action aspects), and their different components, in order to enhance the safety, flexibility and the reliability of autonomous navigation. First, it is given a short overview of the main mechanisms/components characterizing the proposed Multi-Controller Architectures (MCA), which allow to have generic and bottom-up construction of the vehicle's navigation functions. MCA have been developed based on reliable elementary controllers (obstacle avoidance, target reaching/tracking, formation maintaining and reconfiguration, etc.), but also on the proposition of appropriate mechanisms to manage the controllers' interactions. Further, MCA have been developed through three closely related elements: task modeling; planning/re-planning and finally the control aspects based mainly on Lyapunov stability analysis. The talk will highlight summarily some complementary components, such as the link between optimal planning, control and flexible navigation through sequential waypoints. Secondly, the talk will emphasis how MCA have been extended to embed a reliable decision-making process to deal with risky and uncertain situations/environments (e.g., overtaking in highway or cooperative intersection crossing). More precisely, the talk will show both: the proposed probabilistic-based approaches for risk assessment and management, and the developed new metric in order to enhance the safety of autonomous vehicles. Several simulations and experiments highlight the different developed works. 

Lydie NOUVELIERE

Maître de Conférences de l'Université d'Evry-Val-d'Essonne, Laboratoire d'Informatique, BioInformatique et Systèmes Complexes (IBISC).

Le lundi 20 mai 2019 à 14h00 en salle GI-043

Résumé : Il n'est plus surprenant, en 2018, d'entendre parler de la voiture autonome dans les média. Et oui, nous y sommes, ou presque... ! Depuis 20 ans, beaucoup de développements ont été produits pour aider le conducteur à mieux conduire en termes de sécurité et de fluidification du trafic. Pour autant, depuis la COP21, la consommation d'énergie des véhicules est au centre des décisions européennes en termes de normes automobiles. L'idée, ici, est donc de concevoir des trajectoires sécuritaires, efficaces et économiques en réalisant le meilleur compromis tout en tenant compte des actions du conducteur et de l'environnement (avec application expérimentale en temps réel).

Ala MHALLA

Docteur en informatique de l’Université Clermont Auvergne, France. Postdoctorant à l'Institut Pascal, Clermont-Ferrand.

Le jeudi 16 mai 2019 à 16h00 en salle GI-043

Résumé : Les travaux de recherche proposés relèvent de la thématique de l’intelligence artificielle appliquée au monde de la sécurité et de la surveillance de trafic routiers. Plus particulièrement, il s’agit de développer des approches auto-supervisées pour spécialiser automatiquement des modèles pour la détection et le suivi d’objets routiers dans des séquences vidéo. La détection et le suivi automatique d'objets 2D dans des séquences vidéo est un problème ancien, qui a connu des progrès majeurs ces dernière années mais qui est encore loin d’être complètement résolu. C’est dans ce cadre très compétitif que nous nous sommes intéressés à deux problématiques centrales : la spécialisation de modèles neuronaux profonds pour la détection multi-objets par « transfert d’apprentissage » et « apprentissage profond », et le suivi multi-objets basée sur un modèle spatio-temporel « entrelacement ». 

Julien MOREAU

Docteur en informatique de l'UTBM, laboratoires IRTES-SET, Belfort, et IFSTTAR-COSYS-LEOST, Villeneuve-d’Ascq. Postdoctorant à l'Université Catholique de Louvain, Image and Signal Processing Group, Belgique.

Le jeudi 16 mai 2019 à 13h30 en salle GI-043

Résumé:

- Étude d'une méthode d'amélioration de la localisation GNSS du véhicule en environnement urbain, impliquant un ensemble de processus pour estimer un modèle 3D local à partir de vision fisheye du point de vue du toit du véhicule et orientée vers le ciel. 

- Perception multimodale RVB, thermique, et lidar, embarquée sur un drone pour l'exploration et la reconstruction 3D d'une pièce en conditions dégradées (obscurité, fumée d'incendie). 

- Contribution à des architectures de réseaux de neurones profonds dans le but de l'analyse sémantique en temps réel d'images panoramiques de match de basket-ball.

Jason CHEVRIE

Docteur de l’Université de Rennes 1, IRISA. Chercheur postdoctoral à l'Institut Italien de Technologie (Istituto Italiano di Tecnologia, IIT), Gênes, Italie.

Le mercredi 15 mai 2019 à 16h15 en salle GI-043

Résumé : Robotic assistance is a field of research that can have applications in various domains, like in healthcare or in the industry. In this talk, I will present an overview of the research activities I carried out in robotic assistance for healthcare applications at the Italian Institute of Technology (IIT), Genoa, Italy and at IRISA/Inria, Rennes, France. The first part will cover the activities performed in IIT in domestic assistance on the R1 humanoid robot, targeted for example for the help of elderly or disabled people. For this, several issues need to be tackled due to the robot evolving and interacting in a dynamic and unstructured human environment. The second part will cover my activities at IRISA/Inria focused on surgical gesture assistance, in particular for needle insertions, which are medical procedures commonly performed for the treatment or the diagnosis of tumors. I will briefly describe the different aspects that need to be considered to perform an automatic needle insertion in soft tissues, as well as the integration of a human operator in the control loop via a haptic interface.

Yann SOULLARD

Postdoctorant à l'Université de Rouen Normandie, LITIS.

Le vendredi 10 mai 2019 à 13h30 en salle GI-043

Résumé:

La reconnaissance de gestes est généralement réalisée par l'emploi d'un modèle de séquences (modèles de Markov à états cachés, réseaux de neurones, …) permettant la prise en compte de l'évolution temporelle de la gestuelle pour la décision. On s'intéressera ici aux modèles de Markov à états cachés (HMMs). Les gestes techniques sont des gestes particuliers et précis dont la reconnaissance automatique peut être une tâche difficile due au petit nombre de données supervisées, à des données potentiellement bruitées et à des classes déséquilibrées. Les estimations faites au sein des HMMs peuvent être biaisées par de telles données. Nous proposons une extension des HMMs à la théorie des probabilités imprécises en considérant d'une part une information a priori sur les classes et d'autre part des ensembles convexes de probabilités pour renforcer la fiabilité du modèle en prédiction. 

La détection de lignes de texte dans des images est une étape centrale de l'analyse d'un document. En effet, les systèmes actuels de reconnaissance automatique d'écriture traitent des images de lignes de texte pour en extraire les caractères. Cette reconnaissance permet par la suite de rechercher des mots, d'extraire de l'information ou de catégoriser le document. Nous présentons une méthode d'identification de lignes de texte dans des images par apprentissage automatique. Cette approche s'appuie sur un réseaux de neurones totalement convolutif (FCN) produisant un étiquetage au niveau pixel. Alors que les architectures usuelles de FCN nécessitent une étape de reconstruction pour obtenir une sortie de la même dimension que l'image d'entrée, nous proposons de contourner cette étape par l'emploi de convolutions dilatées.

Mohammed CHADLI

Maître de conférences au laboratoire MIS de l'Université de Picardie Jules Verne.

Le jeudi 09 mai 2019 à 14h00 en salle GI-043

Résumé :

 

Carlos MATEO

Postdoctorant à l'Institut Pascal UMR 6602 CNRS/UCA/SIGMA, Clermont-Ferrand, France.

Le lundi 06 mai 2019 à 13h30 en salle GI-043

Résumé:

3D Visual perception has been a fundamental tool in many robot manipulation methods. The idea is simple and natural: perceive a target object and follow its surface shape while it is being manipulated. Although nowadays, it is been playing a big roll data driven strategies, like is the case of Convolutional Neuronal Networks (CNN) or Generative Adversarial Networks (GAN) in object recognition and reconstruction. Traditionally, the 3D visual perception was governed by the geometric analysis of surfaces object surfaces. The main subject of the presentation is to show a series of algorithms and pipelines for 3D object recognition, their needs and how can be used not just for object manipulation but also in other fields like object/map reconstruction. The methodology is suitable for dual robot arms install in fixed platforms or in a mobile-robot system. In both cases the system should avoid auto-collision or collision with other actors and provide robust visual information. There may arise three types of problems: visual perception uncertainties, local minima in the robot pose optimization and singular configurations. During the presentation these problems will be discussed. During object manipulation tracking non-rigid object surfaces is crucial and currently presents a challenge, not just because state-of-arts methods are restrictives in terms of computational cost and memory management but also because most of the current works tends to fail in open movements. Problems of non-rigid reconstruction, surface tracking and active perception for optimize camera pose will also be discussed during the presentation.

Thibaut RAHARIJAONA

Maître de Conférences HDR, ISM Institut des Sciences du Mouvement Etienne Jules Marey (UMR 7287)


Le mardi 02 avril 2019 à 14h en salle GI-042

Résumé:

 

La présentation aborde le développement d’une stratégie de pilotage pour le véhicule autonome et la robotique mobile. Cette stratégie vise à synthétiser des lois de commande robustes peu coûteuses en temps de calcul pour garantir le niveau de performances souhaitées du véhicule en environnement incertain et perturbé. En environnement intérieur, un nouveau capteur et un algorithme sont proposés pour robustifier la localisation et la navigation. La navigation du véhicule autonome ou du robot mobile pourra être également améliorée grâce à l’utilisation du flux optique pour l’odométrie.

Prof. Barys Shyrokau

Professor at the Intelligent Vehicles group at the Department of Cognitive Robotics, Delft University of Technology


Le jeudi 17 janvier 2019 à 14h30 en Amphi Gauss (Centre de Recherche)

Le mardi 27 novembre 2018 à 14h en salle GI-042

  • iROS (1-5 octobre 2018) : Elwan Héry
  • ITSC (4-7 novembre 2018) : Shriram Jugade, Edouard Capellier
  • ITSNT (13-16 novembre 2018) : Joelle Al-Hage
  • ICARCV (18-21 novembre 2018) : Abdelhak Loukkal, Gabriel Frisch, Philippe Xu

Cyrano Vaseur

Doctorant visiteur au laboratoire Heudiasyc


Le mardi 13 novembre 2018 à 14 h en N104 (PG2 - UTC)

Résumé :

Currently, we are working on the implementation of a high-accuracy body and road angles estimator into a virtual sensing environment. Body angles are used for correction of IMU data to get accurate measurements (in the road frame). This is especially favorable when estimating vehicle velocity from measured accelerations. Road angles are required to correct for the gravity component when estimating tire forces.
Assuming available suspension stroke measurement, body angles can be reconstructed kinematically. In this case, suspension strokes are measured with onboard potentiometers. Commercially, these are used in the adaptive headlights functionality of the test vehicle, Evoque. The road angles are estimated in an Extended Kalman Filter estimation structure. Hereby a decoupled pitch and roll model is used. Future work involves using coupled models based on suspension dynamics.
Additionally, some focus is on vertical tire force estimation. Traditional quasi-static load transfer models have limited accuracy for estimating vertical tire forces, especially during transient motion. In this approach, the vertical tire forces are calculated from an elaborate coupled pitch-roll dynamics model with non-linear suspension characteristics. Hereby it is assumed that these characteristics are known. In this case, the characteristics are identified from measured vertical tire forces and suspension strokes on the test vehicle.

Marco Viehweger

Doctorant visiteur au laboratoire Heudiasyc


Le mardi 13 novembre 2018 en N104 (PG2 - UTC)

Résumé :

Part I : Introduction to project ‘ITEAM’

Part II : State Estimation for Vehicle Dynamics

The estimation of vehicle states, e.g. sideslip angles and tire forces, is a key factor for improving vehicle driving safety, especially in times of advanced driver assistance systems (ADAS) and autonomous driving (AD). The virtual sensing approach enables the retrieval of information which cannot be measured directly or only with expensive sensor equipment.
We are focusing our work on creating an extensive state estimation platform. Therefore, multiple software tools like MATLAB, Siemens LMS AMESim, IPG CarMaker are used. Additionally, real-world measurement data is employed to check the accuracy of the virtual sensors.
Currently, we are working on the implementation of a high-accuracy body and road angles estimator into the virtual sensing environment.

Part III : Concept Car Platform

Intended as a research platform for testing and validation of automotive virtual sensing approaches KU Leuven’s MOD group developed a Concept Car platform with a modular powertrain architecture. This project is in cooperation with the Belgian industrial partner Punch Powertrain who is experienced in the field of CVT gearboxes, hybrid, and electric powertrains.
The development process was started on the basis of the Master’s theses of six KU Leuven students. In teams of two they took care of:

  • Design of a tubular frame (manufactured by Engie Fabricom);
  • Integration of powertrain components, including battery pack development;
  • Energy consumption minimization.

The seminar will briefly cover these aspects giving insight into some specifics of the project hoping to spark some ideas for research collaborations.

Luis Rodolfo Garcia Carrillo

Assistant Professor with the Department of Electrical Engineering at Texas A&M University - Corpus Christi


Le mardi 03 juillet 2018 à 14 h en salle GI-042

Résumé :

The proliferation of autonomous robots evidence forthcoming environments where multiple autonomous systems (MAS) will be interacting with each other, as well as with human beings, to perform complex tasks at a level never imagined before. Conventional methods for improving MAS performance address very specific challenges, but not general problems. Learning-based controllers offer adaptability and robustness against uncertainties, however, the computational complexity of these solutions is often not practically feasible. These drawbacks limit the applicability and penalize the performance of current MAS control methods. Recently, cognitive scientists advocate that “a single occurrence of an emotionally significant situation is remembered far more vividly and for a longer period than a task, which is repeated frequently”. This highlights that emotional processing is able to develop an effect that sustained sensory input is not able to achieve. In this talk, we present conventional and adaptive distributed consensus algorithms for MAS. Next, a descriptive and a mathematical model of emotion processing in the mammalian brain is introduced, which is then modified to develop a hierarchical feedback control for MAS. Preliminary results show how the basic features of the emotional learning system in combination with the MAS controller can help to effectively control a group of robots in real-time, in presence of system uncertainties.

Bio : 

Luis Rodolfo Garcia Carrillo was born in Durango, Mexico in 1980. He received the Licenciatura in Electronic Engineering in 2003, and the M.Sc. in Electrical Engineering in 2007, both from the Instituto Tecnologico de La Laguna, in Coahuila, Mexico. He received his Ph.D. in Control Systems from the University of Technology of Compiegne, France, in 2011, where he was advised by Professor Rogelio Lozano. From 2012 to 2013, he was a postdoctoral researcher at the Center for Control, Dynamical Systems and Computation at the University of California, Santa Barbara, where he was working with Professor Joao Hespanha. He currently holds an Assistant Professor position with the Department of Electrical Engineering at Texas A&M University – Corpus Christi. His current research interests include multi-agent control systems, intelligent controllers, and vision-based control.

Ariane Spaenlehauer

Doctorante au laboratoire Heudiasyc

Le mardi 26 juin 2018 à 14 h dans l'amphi Colcombet (Centre de Transfert, université de technologie de Compiègne)

Résumé :

Over the last few years, mobile robotics has gained an increasing popularity in academic research and industry both for the underlying scientific challenges and the economic benefits. On the behalf of the Labex MS2T, the DIVINA challenge team explores the design possibilities of Technological System-of-Systems to create an autonomous fleet of heterogeneous UAVs using visual-sensing mainly.

Nesrine Mahdoui

Doctorante au laboratoire Heudiasyc

Le mardi 26 juin 2018 à 14 h dans l'amphi Colcombet (Centre de Transfert, université de technologie de Compiègne)

Résumé :

In the robotic community, a growing interest for multi-robot systems has appeared in the last decades. This is mainly due to new large-scale applications requiring such system of systems features in areas like security, disaster surveillance, inundation monitoring, search and rescue, infrastructure inspection, and so on. In such missions, one of the fundamental task – addressed in this work – is the coordinated exploration of an unknown environment sensed by a team of Micro-Aerial Vehicle (MAV) with embedded vision.  The key problem is to cooperatively choose specific regions of the environment to be simultaneously explored and mapped by each robot in an optimized manner, in order to reduce exploration time and, consequently, energy consumption.  The target goals – selected from the computed frontier points lying between free and unknown areas – are assigned to robots by considering a trade-off between fast exploration and getting detailed grid maps. For decision making purpose, MAVs usually exchange a copy of their local map, however, the novelty in this work is to exchange map frontier points instead, which allow to save communication bandwidth.

Sergio Salazar

Professeur invité de l'UMI LAFMIA CINVESTAV

Le mardi 12 juin 2018 à 14 h dans l'amphi Colcombet (Centre de Transfert, université de technologie de Compiègne)

Résumé :
Sergio Salazar (professeur invité de l'UMI) nous présentera ses travaux de recherche sur des véhicules autonomes aériens, terrestres, sous-marins et exosquelettes développés dans l'UMI LAFMIA CINVESTAV, notamment sur la robustesse, l'optimisation, le vol multi-agents et la navigation de précision.

Gerardo ORTIZ-TORRES

Doctorant au laboratoire Heudiasyc

Le mardi 15 mai 2018 à 14 h dans l'amphi Colcombet (Centre de Transfert, université de technologie de Compiègne)

Résumé :
In the last years multi-rotors configurations for Unmanned Aerial Vehicles (UAVs) have become promising mobile platforms capable of navigating (semi) autonomously in uncertain environments. Numerous applications for this kind of vehicles have been proposed, as aerial photography, surveillance, crop spraying, oil spill detection, supply delivery, agricultura assessment, among others. Among them, the quadcopter configuration, has proved to be suitable for these applications due to the fact that it can take-off and landing in shorts spaces, and it is essentially simpler to build, compared with a conventional helicopter. The quadcopter aerial vehicle is also sensitive to aerodynamic and external disturbances that can lead to different faults, such as actuator stuck, loss of a propeller or a motor, actuator degradation, voltage control failure, structural damage, physical aging, and fatigue, which inevitably influence the states of the vehicle. As a result, the stability, reliability, and safety could be affected during the fight envelope. In order to identify malfunctions at any time and to improve reliability and safety in the quadcopter, Fault Tolerant Control (FTC) methods can be considered.

The FTC techniques are classified into two types: passive and active. In the active techniques the controller parameters are adapted or reconfigured according to the fault using the information of the Fault Detection and Diagnosis (FDD) system, so that the stability and acceptable performance of the system can be maintained. An active FTC scheme for a quadcopter vehicle is presented. The actuator FDD method proposed in this work considers the rotational dynamics of the vehicle. Partial and total actuator faults are considered. The design procedure can be explained as follows:

1) a nominal controller, that has been previously designed, is considered to track the 3D position and attitude dynamics of the quadcopter ensuring a desired performance in a fault-free case;

2) a Proportional-Integral Observer (PIO) applied to the rotational dynamics is proposed for performing actuator fault estimation. The fault detection is done by comparing the fault estimation signal with a predefined threshold. Fault isolation is achieved by analyzing the sign of the fault estimation signal. Sufficient conditions for the existence of the observer is given in terms of Linear Matrix Inequalities;

3) an analysis of static controllability is applied using the attainable control set in order to test the performance degradation of the quadcopter vehicle under partial and total faults; 4)finally, the partial fault accommodation control law is generated using the nominal controller and the fault estimation signal for retaining close to nominal fault-free performance despite partial actuator fault. The total fault reconfiguration is done by changing the parameters of the nominal controller, losing the controllability in yaw position but controlling the yaw velocity around z-axis. The proposed fault control scheme is validated in different cases of fight tests for illustrating their feasibility and efectiveness.

Franck LI

Doctorant au laboratoire Heudiasyc (CIFRE Renault)

Le mardi 15 mai 2018 à 14 h dans l'amphi Colcombet (Centre de Transfert, université de technologie de Compiègne)

Résumé :
Le domaine des véhicules intelligents est en constante évolution. Les progrès techniques, notamment en termes de capteurs, rendent possible des fonctionnalités de plus en plus avancées. Ces capteurs permettent au système de recueillir des informations sur son environnement direct. Une autre source d’information est la cartographie, fournissant des informations a priori sur le réseau routier. Les cartes routières haute-définition commencent peu à peu à faire leur apparition, mais l’exploitation de leur grande précision est limitée par la précision des systèmes de positionnement disponibles, mis à rude épreuve notamment en environnement urbain. Cet exposé présente une méthode de diagnostic d’utilisabilité du système de positionnement. L’algorithme de map-matching  sur lequel elle est basée est présenté. Il exploite le caractère multi-hypothèses d’un filtre particulaire afin de gérer les situations ambigües. Puis le principe du test de cohérence déterminant un critère « Use/Don’t  Use » est exposé.

Osamah SAIF

Post-doctorant au laboratoire Heudiasyc

Le mardi 10 avril 2018 à 14 h en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :
Les applications de quadrirotors autonomes augmentent rapidement dans notre vie réelle. La surveillance, la vidéo et la photographie sont les domaines d'activité essentiels de véhicules aériens sans pilote (UAV). Actuellement, les chercheurs et les scientifiques se concentrent sur le déploiement multi-drones pour l’inspection et la surveillance de vastes zones. C’est dans cet esprit que je parlerai dans ma présentation de mes activités de recherche qui s’inscrivent dans le projet FUI AIRMES « Drones Hétérogènes Coopérants en Flottille ». Ce projet a pour objectif de permettre le déploiement de flottilles de drones hétérogènes pour permettre la surveillance des installations ferroviaires et électriques.  Ma mission dans ce projet est d’assurer le développement des algorithmes de vol en formations permettant aux drones de naviguer suivant des plans de vol tout en gérant leurs proximités et en maintenant une distance de sécurité entre eux.

Azade FOTOUHI

Doctorante à l'UNSW de Sydney

Le mardi 10 avril 2018 à 14 h en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

There have been increasing interests in employing unmanned aerial vehicles (UAVs) such as drones for telecommunication purpose. In such networks, UAVs act as base stations (BSs) and provide downloading service to users. Compared with conventional terrestrial base stations, such UAV-BSs can dynamically adjust their locations to improve network performance. However, there exists important issues in UAV networks that must be considered. For example, the UAV deployment, introduces a new tool for radio resource management, since BS positions are open for network optimization. Moreover, drones have practical agility constraints in terms of flying speed, turning angles, and energy consumption. The aim of this presentation is to overview the integration of UAVs in cellular networks, existing issues and potential solutions for assisting cellular communications with UAV-based flying relays and base stations. Towards that end, a proposed mobility control method based on the SNR measurement and game theory approach will be presented. The results demonstrate that the UAV-BSs moving according to our proposed algorithm significantly improve the network performance in terms of packet throughput and spectral efficacy compared to a baseline scenario.

Contact

Responsables Séminaires SyRI
Indira Thouvenin | Philippe Xu
Tél : 03 44 23 45 47 | 03 44 23 41 62 | Contacter par mail

Les intervenants peuvent discuter de recherches récentes ou à un stade précoce qu'ils ont entreprises, ou signaler d'autres types d'activités professionnelles. Certains sujets correspondent étroitement à nos orientations de recherche actuelles, alors que d'autres représentent des domaines d'intérêt pour notre communauté scientifique.

Sanaz Mostaghim

Professeur en informatique à l'Institut des systèmes de coopération intelligents (IKS) de l'Université de Magdebourg en Allemagne

Le vendredi 22 février 2019 10h30 en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

Intelligent technical systems are becoming more and more ubiquitous and their influence on our lives grows daily. In the last years, computational intelligence methods have – more than ever – extensively contributed to the latest scientific breakthrough in developing such intelligent systems. Nevertheless, one major challenge concerns the real-time reactions of intelligent systems to the unknown dynamics in their environments which is considered to be among the grand challenges in this area. This talk is about multi-objective decision making algorithms and will give an overview about the design issues for problems with a large number of decision variables and the challenges in real-time applications such as in robotics and computer games. In most of such applications, the decision makers (robots or agents) must find and select one possible optimal solution in a very limited time frame. This is very challenging, when the environment dynamically changes as the decision maker needs to re-optimize and decide on the fly.

 

Takashi OGUCHI & Koichi SAKAI


Professeur et directeur du centre ITS à Tokyo & Maître de conférences au centre ITS

Le jeudi 31 janvier 2019 11h30 en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

The Advanced Mobility Research Center (ITS Center) in the Institute of Industrial Science (IIS), The University of Tokyo, is the first research organization among universities in Japan for ITS with interfaculty collaboration, including civil/traffic, mechanical/control, and information/communication engineering. A Memorandum of Understanding has been signed recently to facilitate academic cooperation between IIS and UTC. You are all very welcome to attend the seminar.

Christian WOLF
Maître de conférences HDR, LIRIS, INSA Lyon

Le jeudi 5 juin 2018 à 14h00 en GI042 (Bâtiment Blaise Pascal, université de technologie Compiègne)

Résumé :

We address human action recognition from RGB data and study the role of articulated pose and of visual attention mechanisms for this application. In particular, articulated pose is well established as an intermediate representation and capable of providing precise cues relevant to human motion and behavior. We describe two different methods which use pose in different ways, either during training and testing, or during training only.

The first method uses a trainable glimpse sensor to extracts features on a set of predefined locations specified by the pose stream, namely the 4 hands of the two people involved in the activity. We show that it is of high interest to shift the attention to different hands at different time steps depending on the activity itself. The model not only learns to find choices relevant to the task, but also to draw away attention from joints which have been incorrectly located by the pose middleware.

A second method has been designed to explicitly remove the dependency on pose during training, making the method more broadly applicable in situations where pose is not available. Instead, a sparse representation of focus points is calculated by a dynamic visual attention model and passed to a set of distributed recurrent neural workers. State-of-the-art results are achieved on several datasets, among which is the largest dataset for human activity recognition, namely NTU-RGB+D.

Contact

Responsable séminaires laboratoire
Franck Davoine
Tél : 03 44 23 52 79 | Contacter par mail