Un article du journal Le Parisien revient sur la sélection de deux doctorants du Centre de Robotique à la finale du Valeo Innovation Challenge.

Aubrey Clausse et Guillaume Devineau

Aubrey Clausse et Guillaume Devineau ont proposé un projet de startup pour la sécurisation des cartes locales partagées pour les véhicules connectés et autonomes.

Lire l’article sur le site du journal Le Parisien.

Philip Polack a le plaisir de vous inviter à sa soutenance de thèse le lundi 29 octobre 2018 à 13h45, sous réserve d’un avis favorable des rapporteurs.

Lieu : Mines ParisTech, 60 bd Saint Michel 75006 Paris
Salle : amphi L118

Elle sera défendue en anglais et s’intitule: « Cohérence et stabilité des systèmes hiérarchiques de planification et de contrôle pour la conduite automatisée » (« Consistency and stability of hierarchical planning and control systems for autonomous driving » en anglais).

Le jury sera composé comme suit :

• – M. Philippe Martinet – INRIA Sophia-Antipolis (Rapporteur)
• – M. Thierry-Marie Guerra – Université de Valenciennes (Rapporteur)
• – M. Ming Yang – Université de Shanghai Jiao-Tong (Examinateur)
• – M. Alain Oustaloup – Université de Bordeaux (Examinateur)
• – Mme. Brigitte d’Andréa-Novel – Mines ParisTech (Examinateur)
• – M. Arnaud de La Fortelle – Mines ParisTech (Examinateur)

Résumé :
La voiture autonome pourrait réduire le nombre de morts et de blessés sur les routes tout en améliorant l’efficacité du trafic. Cependant, afin d’assurer leur déploiement en masse sur les routes ouvertes au public, leur sécurité doit être garantie en toutes circonstances. Cette thèse traite de l’architecture de planification et de contrôle pour la conduite automatisée et défend l’idée que l’intention du véhicule doit correspondre aux actions réalisées afin de garantir la sécurité à tout moment. Pour cela, la faisabilité cinématique et dynamique de la trajectoire de référence doit être assurée. Sinon, le contrôleur, aveugle aux obstacles, n’est pas capable de la suivre, entraînant un danger pour la voiture elle-même et les autres usagers de la route. L’architecture proposée repose sur la commande à modèle prédictif fondée sur un modèle bicyclette cinématique afin de planifier des trajectoires de référence sûres. La faisabilité de la traj!
ectoire de référence est assurée en ajoutant une contrainte dynamique sur l’angle au volant, contrainte issue de ces travaux, afin d’assurer que le modèle bicyclette cinématique reste valide. Enfin, quelques résultats préliminaires sur les contrôleurs à base de commande sans modèle et leur application au contrôle automobile sont présentés. En particulier, une méthode efficace pour ajuster les paramètres est proposée et implémentée avec succès sur la voiture expérimentale de l’ENSIAME en partenariat avec le laboratoire LAMIH de Valenciennes.

Autonomous vehicles are believed to reduce the number of deaths and casualties on the roads while improving the traffic efficiency. However, before their mass deployment on open public roads, their safety must be guaranteed at all time. Therefore, this thesis deals with the motion planning and control architecture for autonomous vehicles and claims that the intention of the vehicle must match with its actual actions. For that purpose, the kinematic and dynamic feasibility of the reference trajectory should be ensured. Otherwise, the controller which is blind to obstacles is unable to track it, setting the ego-vehicle and other traffic participants in jeopardy. The proposed architecture uses Model Predictive Control based on a kinematic bicycle model for planning safe reference trajectories. Its feasibility is ensured by adding a dynamic constraint on the steering angle which has been derived in this work in order to ensure the validity of the kinematic bicycle model. Several!
high-frequency controllers are then compared and their assets and drawbacks are highlighted. Finally, some preliminary work on model-free controllers and their application to automotive control are presented. In particular, an efficient tuning method is proposed and implemented successfully on the experimental vehicle of ENSIAME in collaboration with the laboratory LAMIH of Valenciennes.

Dans le cadre de la Nuit du Droit, le 4 octobre 2018, le Centre de Robotique MINES ParisTech a participé au procès fictif de l’IA organisé par l’association des Jurisnautes avec le soutien de la Cour d’appel de Paris, l’ANSII, Acteurs Publics TV et Dalloz. Dans ce procès futuriste, où un carambolage inédit a mis en cause l’IA présente dans les véhicules, Arthur Gaudron (responsable projet) a plaidé pour la défense de l’IA et Arnaud de La Fortelle (directeur) est intervenu en tant que témoin à l’invitation de la défense.

Le procès est disponible en intégralité, la défense commence à 1:59:00 :

MINES ParisTech et la société de droit comparé, en association avec la chaire Drive for All ont le plaisir de vous inviter au colloque « Véhicules autonomes et connectés, quels défis pour la technique et le droit comparé ? » qui se tiendra à MINES ParisTech le 10 octobre 2018 après-midi. Le programme détaille les sujets abordés et les modalités d’inscription (vous pouvez continuer à vous inscrire).

Programme de la journée du 10 octobre

La Chaire Drive for All organise un séminaire le 6 septembre 2018. Cet événement est ouvert à tous et gratuit, mais l’inscription est nécessaire.

Enregistrement : https://goo.gl/forms/1yxAhwMKkRoW6JoS2

Lieu :   MINES ParisTech – 60, Boulevard Saint-Michel 75006 Paris

Luxembourg station (RER ligne B)

Contact : Arthur Gaudron arthur.gaudron@mines-paristech.fr

Agenda

L’objectif de la journée est de donner des éléments de compréhension et les défis en cours concernant la conduite autonome. La recherche sur ces sujets est bien entendu mondiale. Cependant il reste des spécificités régionales, aussi bien dans les contraintes que dans la vision qui sous-tend ce qu’est un véhicule automatisé, qui conduisent à des spécificités des approches. La chaire internationale de recherche Drive for All constitue un réseau mondial qui permet de saisir ces différences : cette journée propose de donner aussi bien une vision de ces différences que des derniers résultats de recherche.

Le programme de la journée du 6 septembre 2018

The Centre for Robotics of MINES ParisTech is involved in several research projects on human motion pattern recognition applied to the Factory of the Future, the Creative and Cultural Industries and the Autonomous Vehicles. The main objective of these projects is the development of novel methodologies and technological paradigms that improve the perception of the machine and allows for natural body interactions in human-machine partnerships.

More information about the offer: https://euraxess.ec.europa.eu/jobs/326208

Florent Altché a le plaisir de vous inviter à sa soutenance de thèse le 30 août 2018 à 14h00, sous réserve d’un avis favorable des rapporteurs.

La thèse est intitulée « Prise de décision et planification de trajectoire pour les véhicules coopératifs et autonomes » ou, en anglais, « Decision-based motion planning for cooperative and autonomous vehicles ». La présentation aura lieu en anglais.

La soutenance aura lieu en salle L109 à l’école des Mines ParisTech, 60 bd Saint Michel 75006. Elle sera suivie d’un pot en salle des colonnes.

Jury :

• M. Ching-Yao Chan, PATH, UC Berkeley (Rapporteur)
• M. Thierry Fraîchard, INRIA Rhône-Alpes (Rapporteur)
• Mme Françoise Prêteux, Ecole Nationale des Ponts et Chaussées (Examinateur)
• M. Jean-Paul Laumond, LAAS, CNRS (Examinateur)
• M. Jorge Villagra, CAR, CSIC-UPM (Examinateur)
• M. Arnaud de La Fortelle, CAOR, Mines ParisTech (Examinateur)

Résumé :

Le déploiement des futurs véhicules autonomes promet d’avoir un impact socio-économique majeur, en raison de leur promesse d’être à la fois plus sûrs et plus efficaces que ceux conduits par des humains. Afin de satisfaire à ces attentes, la capacité des véhicules autonomes à planifier des trajectoires sûres et à manœuvrer efficacement dans le trafic sera capitale. Cependant, le problème de planification de trajectoire au milieu d’obstacles statiques ou mobiles a une combinatoire forte qui est encore aujourd’hui problématique pour les meilleurs algorithmes.

Cette thèse explore une nouvelle approche de la planification de mouvement, basée sur l’utilisation de la notion de décision de conduite comme guide pour structurer le problème de planification en vue de faciliter sa résolution. Cette approche peut trouver des applications pour la conduite coopérative, par exemple pour coordonner plusieurs véhicules dans une intersection non signalisée, ainsi que pour la conduite autonome où chaque véhicule planifie sa trajectoire.

Dans le cas de la conduite coopérative, les décisions correspondent au choix d’un ordonnancement des véhicules qui peut être avantageusement encodé comme un graphe. Cette thèse propose une représentation similaire pour la conduite autonome, où les décisions telles que dépasser ou non un véhicule sont nettement plus complexes. Une fois la décision prise, il devient aisé de déterminer la meilleure trajectoire y correspondant, en conduite coopérative comme autonome. Cette approche basée sur la prise de décision peut permettre d’améliorer la robustesse et l’efficacité de la planification de trajectoire, et ouvre d’intéressantes perspectives en permettant de combiner des approches mathématiques classiques avec des techniques plus modernes d’apprentissage automatisé.

Hassan Bouchiba a plaisir d’annoncer sa soutenance de thèse le 5 juillet 2018 à 14h30, sous réserve d’avis favorable des rapporteurs.

Sa thèse est intitulée « Contributions en traitements basés points pour le rendu et la simulation en mécanique des fluides ».

La soutenance se tiendra en salle L109 à l’école des Mines ParisTech, 60 bd Saint Michel 75006.

Jury :

• – M. Tamy Boubekeur, LTCI, Telecom ParisTech (Rapporteur)
• – M. Florent Lafarge, Titane research group, Inria (Rapporteur)
• – M. Mathieu Brédif, MATIS, IGN (Examinateur)
• – Mme. Marie-Paule Cani, STREAM team, LIX, Ecole Polytechnique (Examinatrice)
• – M. Thierry Coupez, CEMEF, Mines ParisTech (Examinateur)
• – M. Jean-Emmanuel Deschaud, CAOR, Mines ParisTech (Examinateur)
• – M François Goulette, CAOR, Mines ParisTech (Examinateur)

Résumé :

Le nuage de points 3D est la donnée obtenue par la majorité des méthodes de numérisation surfacique actuelles. Nous nous intéressons ainsi dans cette thèse à l’utilisation de nuages de points comme unique représentation explicite de surface. Cette thèse présente deux contributions en traitements basés points.

La première contribution proposée est une nouvelle méthode de rendu de nuages de points bruts et massifs par opérateurs pyramidaux en espace image. Cette nouvelle méthode s’applique aussi bien à des nuages de points d’objets scannés, que de scènes complexes. La succession d’opérateurs en espace image permet alors de reconstruire en temps réel une surface et d’en estimer des normales, ce qui permet par la suite d’en obtenir un rendu par ombrage. De plus, l’utilisation d’opérateurs pyramidaux en espace image permet d’atteindre des fréquences d’affichage plus élevées d’un ordre de grandeur que l’état de l’art.

La deuxième contribution présentée est une nouvelle méthode de simulation numérique en mécanique des fluides en volumes immergés par reconstruction implicite étendue. La méthode proposée se base sur une nouvelle définition de surface implicite par moindres carrés glissants étendue à partir d’un nuage de points. Cette surface est alors utilisée pour définir les conditions aux limites d’un solveur Navier-Stokes par éléments finis en volumes immergés, qui est utilisé pour simuler un écoulement fluide autour de l’objet représenté par le nuage de points. Le solveur est interfacé à un mailleur adaptatif anisotrope qui permet de capturer simultanément la géométrie du nuage de points et l’écoulement à chaque pas de temps de la simulation.

Description DU TRAVAIL DE RECHERCHE

Contexte & Etat de l’art

Dans le cadre d’une collaboration avec l’Institut Vedecom, le Centre de Robotique MINES ParisTech propose une thèse intitulée « Analyse des mouvements et gestes des piétons via caméra embarquée pour la prédiction de leurs intentions».

Le véhicule autonome est un enjeu majeur de la mobilité de demain. Des avancées sont réalisées tous les jours pour parvenir à sa réalisation ; il reste cependant de nombreux problèmes à résoudre pour parvenir à un résultat sûr vis-à-vis des utilisateurs de la route les plus vulnérables, et notamment les piétons.
En effet, détecter et comprendre le comportement d’un être humain du point de vue du véhicule autonome est essentiel pour que celui-ci puisse prendre les bonnes décisions. Une solution simple consiste à s’arrêter dès que la situation devient critique ou qu’un piéton se trouve « proche » du véhicule. Cette solution reste cependant très loin d’être satisfaisante en termes d’efficience et de qualité de service.
La résurgence des réseaux de neurones depuis une dizaine d’année due à l’explosion de la capacité de calculs apportée par les GPU fournit aujourd’hui de nouvelles solutions pour aborder certains problèmes impossibles à résoudre par des approches classiques. Parmi ces solutions se trouvent des classifieurs, des estimateurs, etc. qui utilisent des entrées complexes (images, vidéos, nuages de points) et qui sont capables de prédire de façon satisfaisante (> 95%) la nature de l’objet ou des indicateurs impossibles à définir autrement (du moins avec la même efficacité en terme de temps de calculs).

C’est dans ce contexte que s’inscrit le sujet défini ici.

OBJECTIFS

A partir des travaux déjà réalisés sur la détection et l’identification de squelettes dans l’image (OpenPose, …), l’objectif de ces travaux sera de définir une solution exploitant l’information caméra (domaine image) et reposant sur les réseaux de neurones pour concevoir un système capable de comprendre l’intention d’un piéton en fonction de sa gestuelle (pas pressés, attention du piéton vis-à-vis de son environnement, …) et de définir à partir de celle-ci la localisation future du piéton de manière à déterminer s’il est susceptible de représenter un obstacle pour le véhicule autonome ou non.
La solution se composera d’un ou plusieurs réseaux de neurones (détection du piéton, détection de son squelette, prédiction de son comportement, …) et devra être de prendre en compte l’aspect temporel (positions passées du piéton, etc.).

Suite à des travaux issues de la thèse d’Olivier Huynh au CAOR, au cadre le projet BGLE-EMMA (Briques généralistes pour les logiciels embarqués), concernant la reconnaissance de personnes suivant leurs silhouettes. A présent, le CAOR mène un projet innovant sur l’analyse de scène sportive (match de football, tennis). Il s’agit de la détection et du suivi de personnes par vision mono-caméra et par apprentissage profond. Les éléments discriminants étant les articulations et les membres (donc le squelette).

L’apprentissage est effectué sur une base de données très grande (Coco-Dataset), contenant des corps, membres, visages humains, annotés et régularisés dans un format standard. Le suivi automatique permet l’analyse statistique des matchs, mais aussi du geste sportif.

Les pistes d’investigation que nous proposerons sont les suivantes :
– L’analyse macroscopique par apprentissage des trajectoires symboliques (grilles d’occupation, par exemple) des personnes sur le bord de la route, afin de pouvoir prédire les déplacements et les changements de direction ainsi que d’expliquer, à posteriori, les défaillances. Il s’agit des analyses proches de ce qu’on appelle l’analyse de démarche, jeux de situations destinés à améliorer la prédictibilité des piétons, mais pas seulement.
– L’analyse des événements ou comportements anormaux (chute de personne, mouvement de foule, etc.), domaine très sensible pour la conduite autonome, permettant par exemple, l’arrêt en situation d’urgence.

Ci-dessus, on peut apercevoir quelques images correspondant à des différentes vues-caméras, sur lesquelles nous avons utilisé la même famille d’algorithmes de détection des parties du corps humain, que pour l’analyse de scène sportive.

Nous proposerons, par la suite, d’utiliser les réseaux profonds de type Mask-R-CNN pour apprendre les silhouettes humaines en même temps que leur segmentation (détourage), sur la même base de données.

Ces algorithmes peuvent facilement être étendus aux applications de réalité augmentée et ses briques peuvent servir à d’autres fonctionnalités des véhicules autonomes.

Profil DU CANDIDAT(E) RECHERCHE 

          DIPLÔME: Le candidat devra être titulaire d’un Master 2 dans le domaine de l’informatique, des mathématiques appliquées ou d’un autre domaine connexe.

COMPETENCES: Des compétences en vision par ordinateur et machine learning (OpenCV, Framework Deep Learning, Python ou C++) seraient appréciées.

Références BIBLIOGRAPHIQUES

• Realtime multi-person 2d pose estimation using part affinity fields, Z Cao, T Simon, SE Wei, Y Sheikh – CVPR, 2017
• Mask R-CNN, Kaiming He, Georgia Gkioxari, Piotr Dollár, Ross Girshick, IEEE International Conference on Computer Vision (ICCV), 2017

Cette thèse débutera en Octobre 2018, pour une période de 3 ans.

CANDIDATURE : Pour toute candidature, veuillez envoyer CV + lettre de motivation à :

Bogdan Stanciulescu : bogdan.stanciulescu@mines-paristech.fr

         Fabien Moutarde : fabien.moutarde@mines-paristech.fr

         Steve Pechberti: steve.pechberti@vedecom.fr

         Guillaume Bresson : guillaume.bresson@vedecom.fr

Dans le cadre d’un projet H2020 sur la Collaboration Humain-Robot pour l’Usine du Futur, le Centre de Robotique MINES ParisTech propose une thèse intitulée « Professional Gesture Recognition for Human-Robot Collaboration (HRC) ».

Plus d’informations sur cette offre.