caor@mines-paristech.fr

Actualités

13
Juil

Prix du meilleur article Automatica pour les années 2017, 2018, et 2019

Axel Barrau et Silvère Bonnabel (chercheurs associés au Centre de Robotique) est co-récipendiaire du prix du meilleur article Automatica (Automatica Paper Prize) décerné à trois articles parmi l’ensemble des articles publiés dans la revue Automatica (Elsevier) au cours des trois dernières années : 2017, 2018, 2019.

Automatica est, avec IEEE Trans. on Automatic Control, la meilleure revue du domaine de l’automatique (« control » en anglais), avec un facteur d’impact de 5,5 cette année. 

Le prix concerne l’article :

J. Maidens, A. Barrau, S. Bonnabel and M. Arcak, “Symmetry reduction for dynamic programming”, Vol. 97, pp. 367-375, 2018.

C’est un article écrit en collaboration avec Murat Arcak, professeur à l’Université de Berkeley, et son étudiant alors en thèse John Maidens, aujourd’hui ingénieur IA dans une entreprise en Californie dans le domaine de l’équipement médical, ainsi qu’Axel Barrau, ingénieur chez Safran. 

Dans cet article, nous nous intéressons à un problème d’imagerie médicale IRM, et cherchons à contrôler le champ magnétique de façon optimale pour en déduire des informations physiques. Nous utilisons les symétries du monde physique (invariance par translation et rotation autour de l’axe vertical des lois de la physique) pour diminuer la complexité calculatoire de l’algorithme d’optimisation. 

Le prix sera remis lors d’une cérémonie « virtuelle », pour raisons sanitaires, vendredi 17 juillet à l’occasion du IFAC World Congress.

17
Juin

Soutenance de thèse — Arthur Gaudron

Arthur Gaudron a le plaisir de vous inviter à sa soutenance de thèse le mercredi 1 juillet à 14h00 (sous réserve d’acceptation des rapporteurs).

La soutenance aura lieu à MINES ParisTech (60 boulevard Saint-Michel, 75006) dans l’amphithéâtre L109, mais elle pourra aussi être suivie par visioconférence. Au regard de la situation sanitaire, il est difficile d’accueillir du public, ainsi nous vous prions de privilégier la visioconférence.

Pour recevoir directement le lien vers la visioconférence, nous vous invitons à ajouter votre adresse e-mail à la liste de diffusion de la Chaire Logistique Urbaine (vous pouvez vous désabonner à tout moment). De plus, vous serez informés des événements futurs de la Chaire.

La conférence sera accessible via zoom : https://mines-paristech.zoom.us/j/97653027814?pwd=Y2xmM1phbjJQSXRYZFVhVWVDVkg3Zz09

ID de réunion : 976 5302 7814

Mot de passe : 653938

La thèse, qui sera défendue en français, s’intitule « Méthodologie du modèle ouvert pour la conception d’un système d’aide la décision stratégique : le cas de la logistique urbaine ».

Le jury sera composé de :

  • — M. Jésus Gonzalez-Feliu — Professeur, Excelia Group La Rochelle Business School (Rapporteur)
  • — M. Olivier Péton — Professeur, IMT Atlantique (Rapporteur)
  • — M. Éric Ballot — Professeur, MINES ParisTech (Examinateur)
  • — Mme Laetitia Dablanc — Directrice de recherche, Université Gustave Eiffel (Examinatrice)
  • — Mme Milena Janjevic — Chargée de recherche, Massachusetts Institute of Technology (Examinatrice)
  • — Mme Hélène Wiedemann — Ingénieur, Renault (Examinatrice)
  • — M. Arnaud de La Fortelle — Professeur, MINES ParisTech (Directeur de thèse)

Résumé :
Le transport de marchandises, ou logistique urbaine, est un système complexe tant par la diversité de ses parties prenantes (ville, transporteurs, commerçants, etc.) que par l’intrication de leurs interactions. Chacun de ces acteurs a des objectifs qui lui sont propres mais dont les effets des décisions pour y parvenir se répercutent à un niveau global. Piloter cette activité représente donc un réel défi : non seulement modéliser précisément le système – passé ou présent – pose de réelles difficultés (en termes de complexité et des données nécessaires), mais cette modélisation ne permet que difficilement d’augurer des effets des décisions prises sur celui-ci. Son pilotage demande la capacité de projeter et se représenter les effets de décisions, non-encore observées, sur celui-ci. Pour que les décisions de la logistique urbaine soient pertinentes, elles doivent s’appuyer sur des modèles qui devront intégrer une vision plus fine de l’activité, au niveau microscopique, c’est-à-dire des opérations, vers un niveau macroscopique qui primait jusque-là. Pour cela, nous proposons donc de nous appuyer sur des outils de simulation mathématique qui ont pour objectif de simuler les effets macroscopiques de différentes décisions (p. ex. interdiction de certaines motorisations), en prenant en compte les interactions microscopiques de la logistique comme la prévisible modification d’une organisation logistique et l’impact sur les indicateurs associés (p. ex. le niveau de pollution d’une rue ou le coût de la livraison).

C’est pourquoi nous proposons la « méthodologie du modèle ouvert » dont l’objectif est de concevoir et valider un modèle qui pourra être utilisé par les acteurs de la logistique urbaine lors de leur prise de décision stratégique. Au cœur de cette méthodologie se tient la question de l’intégration du savoir expert dans un modèle de simulation. Une telle question agite la communauté scientifique au moins depuis la création de l’IA comme discipline : d’abord avec les systèmes experts, dont l’échec est lié à l’impossibilité de mécaniser le savoir expert ; à présent avec les avancées extrêmement prometteuses de l’apprentissage automatique, qui entre autres tentent d’apprendre par des données les raisonnements des experts, mais dont les modèles se heurtent à des problèmes de disponibilité de la donnée, de validation et d’explicabilité. Nous pensons que cette méthodologie permet de réconcilier la science des données et les sciences de gestion de manière à ce que dans des environnements complexes, la décision puisse être assistée par des simulations qui permettent de plus précisément maîtriser cette complexité. De plus, en supposant une certaine disponibilité de la donnée, et la volonté de la mise en place d’un pilotage data-driven (donc plus automatisé), ce modèle pourrait servir comme une première base de validation de modèles plus complexes d’apprentissage automatique.

14
Avr

Capturing Real Scenes for VR made easy. Release of Colibri VR !

as a part of his PhD thesis, Grégoire de Dinechin has developed a Platform for non VR experts : it allows the easy capture and exploration of real scenes for VR.

We are happy to announce that we released COLIBRI VR, our open source platform for image based rendering for Unity ! It is made to be simple :

  • 1) take pictures
  • 2) process it in Colibri VR
  • 3) experience your 3D scene* in VR.

*including complex view dependent effects such as reflexions and refractions.

Tutorials and Download : https://caor-mines-paristech.github.io/colibri-vr/
Paper : https://hal.archives-ouvertes.fr/hal-02492896/document

Use it for anything you want : capture every day scenes, objects, create training scenarios, tell stories, create an online museum … Great work from Grégoire Dupont de Dinechin within his PhD thesis ! Cheers Grégoire !

26
Mar

Mingei

Dates de réalisation : du 01/12/2018 au 30/11/2021

Type de projet: Européen, H2020

Financeur: Commission Européenne (Grant agreement No 822336)

Chercheur associé: Sotiris Manitsaris

Résumé du projet:

Mingei is a Horizon 2020 project that aims to digitize and transfer knowledge about the (in)tangible aspects of crafts. This covers the representation, preservation, and accessibility of craft as cultural heritage. Crafts include tangible artefacts, materials, and tools, as well as intangible dimensions, such as dexterity, skill, and the relationship between master and apprentice. These dimensions involve traditional and culturally identifying elements of the communities of practice, innovation, and artistic creation. At the same time, they are part of the history and economy of the areas and societies in which they flourish.

Mingei will explore the possibilities of representing and making accessible both tangible and intangible aspects of craft as cultural heritage (CH). Heritage Crafts (HCs) involve craft artefacts, materials, and tools and encompass craftsmanship as a form of Intangible Cultural Heritage. Intangible HC dimensions include dexterity, know-how, and skilled use of tools, as well as, tradition, and identity of the communities in which they are, or were, practiced. HCs are part of the history and have impact upon the economy of the areas in which they flourish. The significance and urgency to the preservation of HCs is underscored, as several are threatened with extinction.
Despite their cultural significance efforts for HC representation and preservation are scattered geographically and thematically. Mingei will provide means to establish HC representations based on digital assets, semantics, existing literature and repositories, as well as, mature digitisation and representation technologies. These representations will capture and preserve tangible and intangible dimensions of HCs.
Central to craftsmanship is skill and its transmission from master to apprentice. Mingei will capture the motion and tool usage of HC practitioners, from Living Human Treasures and archive documentaries, in order to preserve and illustrate skill and tool manipulation.
The represented knowledge will be availed through compelling experiential presentations, using storytelling and educational applications and based on AR and MR and the Internet.
Engaging cultural experiences have positive impact on interest growth and tourism, which support HC communities and institutions and foster HC sustainability and preservation.
The consortium brings together complementary expertise and content. Pilot themes exhibit richness in tangible and intangible dimensions and are directly related to European history.

This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement no. 822336.

Want to learn more about Mingei? Visit our website http://www.mingei-project.eu/ and follow us on Facebook, Instagram, Twitter and LinkedIn.
Subscribe to the monthly Mingei newsletter to stay up to date.

6
Mar

Marion Pilté reçoit le Thales PhD Award

Marion Pilté, doctorante Cifre du centre de robotique entre 2015 et 2018, en partenariat avec l’entreprise Thales, et encadrée par Silvère Bonnabel, a reçu le Thales PhD Award 2019 des mains de Bernhard Quendt, directeur technique de Thales. Ce prix récompense deux lauréats sur environ 70 thèses Cifre soutenues au sein de l’entreprise.

12
Fév

Seminar on Large-scale simulations for automated mobility

The Chair Drive for All is pleased to invite you to a seminar on “Large-scale simulations for automated mobility in Zurich and Paris”. We have the honor to receive Sebastian Hörl from the Institute for Transport Planning and Systems within the Swiss Federal Institute of Technology in Zurich (ETHZ).

It will take place:

  • on Wednesday 26 February 2020 14:00 – 15:00
  • in the Board room (salle Vendôme) of MINES ParisTech
  • 60, Boulevard Saint-Michel 75006 Paris
  • Luxembourg station on RER line B

This seminar is public and free of charge but registration is mandatory.

Abstract

In recent years Autonomous Mobility on Demand (AMoD) has become an active research field in transport planning. So far, several simulation studies have been presented that estimate which automated taxi fleet size would be able to serve the mobility demand in various cities around the world. One major part in these simulations has been missing so far: the customer behaviour. The talk will cover how this problem has been tackled at the Institute for Transport Planning and Systems at ETH Zurich over the past two years. After a short introduction of the MATSim simulation platform an overview of current results regarding costs, surveys and simulation around AMoD will be given. For the case of Paris a novel simulation scenario will be introduced, including first preliminary results of fleet sizing under the presence of customer behaviour.

All the information is also available in the document below.

Short bio: With a background of systems theory and systems engineering, Sebastian Hörl received his MSc degree in Complex Adaptive Systems from Chalmers University, Sweden, in 2016. After a stay at the Future Cities Laboratory in Singapore, he started his PhD degree at ETH Zürich on the topic of large-scale agent-based transport simulation. His research focuses on the synthesis of artificial populations and the impact of highly automated vehicle fleets on travel behaviour and system performance.

22
Nov

Soutenance de thèse — Michel Valente

Michel Valente a plaisir de vous inviter à sa soutenance de thèse le mercredi 18 décembre 2019 à 16h00.

La soutenance aura lieu dans le nouvel amphithéâtre L118 à Mines ParisTech, 60 bd Saint Michel 75006.

Elle sera défendue en anglais et s’intitule: « SLAM and Data Fusion for Autonomous Vehicles. From classical approaches to deep learning methods. »

Le jury sera composé comme suit:

  • – M. Ching-Yao Chan – UC Berkeley (Rapporteur)
  • – M. Vincent Fremont – École Centrale de Nantes (Rapporteur)
  • – M. David Filliat – ENSTA (Examinateur)
  • – Mme. Emilie Wirbel – Valeo (Examinatrice)
  • – M. Arnaud de La Fortelle – Mines ParisTech (Examinateur)
  • – M. Cyril Joly – Mines ParisTech (Examinateur)

Abstract:
Self-driving cars have the potential to provoke a mobility transformation that will impact our everyday lives. In order to reach this goal, the vehicles need to perform autonomously three main tasks: perception, planning and control. When it comes to urban environments, perception becomes a challenging task that needs to be reliable for the safety of the driver and the others. It is extremely important to have a good understanding of the environment and its obstacles, along with a precise localization, so that the other tasks are well performed. 
This thesis explores from classical approaches to Deep Learning techniques to perform mapping and localization for autonomous vehicles equipped with low cost sensors in urban environments. In the first part, we propose solutions to sensor fusion and localization using the Dempster-Shafer theory approach based on occupancy grid maps. Sequentially, we explore how the recent advances in Deep Learning techniques can be applied to the localization problem. We propose novel solutions that use directly the input from the sensors in neural networks to estimate the localization of the vehicle during its trajectory. Our solutions are tested and validated on different challenging urban scenarios showing the robustness and accuracy of the proposed approaches. 

Résumé:
L’arrivée des voitures autonomes va provoquer une transformation très importante de la mobilité urbaine telle que nous la connaissons, avec un impact significatif sur notre vie quotidienne. Pour atteindre cet objectif, les véhicules autonomes doivent effectuer en toute sécurité et de manière autonome trois tâches principales: la perception, la planification et le contrôle. La perception est une tâche particulièrement difficile en milieu urbain, car elle se doit d’être suffisamment précise pour assurer à la fois la sécurité du conducteur et celle des autres. Il est décisif d’avoir une bonne compréhension de l’environnement et de ses obstacles, ainsi qu’une localisation précise, afin que les autres tâches puissent être performantes.
L’objectif de cette thèse est d’explorer différentes techniques pour la cartographie et la localisation des voitures autonomes en milieu urbain, en partant des approches classiques jusqu’aux algorithmes d’apprentissage profond. Dans la première partie, nous proposons des solutions pour la fusion de capteurs et la localisation du véhicule en utilisant l’approche théorique de Dempster-Shafer basée sur des cartes de grille d’occupation. Ensuite, nous explorons comment les récents progrès des techniques d’apprentissage en profondeur peuvent s’appliquer au problème de localisation. Nous proposons de nouvelles solutions qui utilisent directement les entrées des capteurs dans les réseaux de neurones pour estimer la localisation du véhicule au cours de sa trajectoire. Nos solutions sont testées et validées sur différents scénarios urbains complexes montrant la robustesse et la précision des approches proposées.

31
Oct

Soutenance de thèse — Hugues Thomas

Hugues Thomas a le plaisir de vous inviter à sa soutenance de thèse le mardi 19 novembre 2019 à 9h30.
Elle a été réalisée au Centre de Robotique de Mines ParisTech, en partenariat avec Terra3D. Sous la direction de François Goulette (CAOR) et Beatriz Marcotegui (CMM), elle a été encadrée par Jean-Emmanuel Deschaud (CAOR) et Yann Le Gall (Terra3D). Elle sera défendue en français et s’intitule: « Apprentissage de nouvelles représentations pour la sémantisation de nuages de points 3D » ou « Learning new representations for 3D point cloud semantic segmentation » en anglais.

La soutenance aura lieu dans le nouvel amphithéâtre Schlumberger à l’École des Mines ParisTech, 60 bd Saint Michel 75006.

Jury

  •  – Paul CHECCHIN – Université Clermont Auvergne (Rapporteur) 
  • – Bruno Vallet – IGN Institut national de l’information géographique et forestière (Rapporteur) 
  • – Martin Weinmann – KIT Karlsruhe Institute of Technology (Examinateur) 
  • – Beatriz Marcotegui – CMM Mines ParisTech (Examinateur) 
  • – Pascal Monasse, Professeur à l’Ecole Nationale des Ponts et Chaussées, examinateur
  • – Jean-Emmanuel Deschaud – CAOR Mines ParisTech (Examinateur) 
  • – François Goulette – CAOR Mines ParisTech (Examinateur) 
  • – Yann Le Gall – Terra3D (Invité)
30
Oct

Stage Ingénieur ou Master 2 — Conception par Machine-Learning d’une IA vérifiant la saisonnalité de bouquets par reconnaissance des variétés de fleurs

Le stage consistera à concevoir et développer une IA capable d’identifier, sur les photos de bouquets transmises par les fleuristes, les variétés de fleurs le constituant, et d’alerter automatiquement si une fleur d’un bouquet semble hors-saison (en localisant clairement sur la photo la fleur « suspecte » avec sa variété reconnue). Il s’agit donc d’abord d’entraîner par Deep- Learning un module de détection et catégorisation reconnaissance des fleurs du bouquet. Il est envisagé d’utiliser un Réseau Convolutif profond de type « Mask_RCNN », « Faster_RCNN » ou similaire, qui sera entraîné notamment sur les bases d’images existantes des fleurs produites par les horticulteurs agréés par Fleurs-d’Ici, ainsi que sur des bases publiques telles que http://www.robots.ox.ac.uk/~vgg/data/flowers/102/. Pour chaque variété de fleur reconnue, l’IA devra afficher en surimpression sur la photo de bouquet les variétés fleurs reconnues (avec leur localisation sur la photo), et mettre en évidence les éventuelles fleurs qui paraissent « hors saison » compte tenu des informations de saisonnalité (déjà associées par Fleurs-d’Ici à chaque type de fleur).

12
Sep

Premier prix au « CARLA Autonomous Driving challenge » 2019 (catégorie « vision-only »)

Marin Toromanoff (doctorant CIFRE Valeo encadré par Fabien Moutarde) a obtenu le PREMIER PRIX au « CARLA Autonomous Driving challenge » 2019 (catégorie « vision-only »).
Cette distinction récompense son approche d’Apprentissage Profond par Renforcement (Deep Reinforcement Learning) pour la conduite autonome fondée sur la vision, qui a obtenu les meilleures performances pour la « track 2 » (vision seule) dans cette compétition internationale. Ce benchmark évalue dans l’environnement de simulation CARLA la capacité d’algorithmes de conduite automatisée à effectuer des trajets quelconques dans une ville inconnue, en respectant les feux tricolores et en évitant les collisions avec autres véhicules et piétons.

Vidéo des résultats de approche d’Apprentissage Profond par Renforcement de Marin Toromanoff