L’objectif principal de cette thèse est d’étudier et de proposer de nouveaux algorithmes pour des tâches de conduite autonome et coopérative basées sur des techniques d’apprentissage par transfert, d’apprentissage fédéré et de méta-apprentissage afin d’améliorer la stabilité et la sécurité des véhicules autonomes dans un environnement en réalité mixte (mêlant simulation et plateforme robotique).
La feuille de route du travail pourra couvrir les pistes suivantes :
Réaliser un état de l’art des avancées récentes en matière de réalité mixte, apprentissage
par transfert, apprentissage fédéré, méta-apprentissage et transfert de domaines.
Étudieretproposerdesstratégiesparapprentissagepourlesvéhiculesautonomes.
Choisir, mettre en place et tester les deux environnements (simulation à large échelle de
véhicules autonomes et plateforme robotique à petite échelle en réalité mixte)
Proposer et implémenter des algorithmes collaboratifs/coopératifs par apprentissage pour des flottes de véhicules autonomes capables d’être transférées entre différents envi-
ronnements (simulation et robots)
Évaluer les stratégies développées dans les deux environnements et en réalité mixte du
point de vue : haut-niveau (stabilité, efficacité, sécurité de la flotte) et bas-niveau (fré-
quence des transferts, succès des transferts, sensibilité aux différents contextes)
Participer à la dissémination et valorisation scientifique sous la forme d’articles de re- cherche, démonstrations, enregistrement vidéo des expérimentations, présentation lors
de colloques et à un public plus large. Page1sur4
Ce sujet est la suite du projet de thèse porté par Imane Argui, financé par la Chaire ANR RAIMo (2021-2024), dirigée par Samia Ainouz (LITIS, STI, INSA Rouen), et co-encadré par Maxime Guériau (LITIS, STI, INSA Rouen). Les travaux ont mené à la production d’une première plateforme en réalité mixte avec un robot mobile (partie vision par ordinateur, contrôle, robotique). Dans le cadre de ce sujet, il s’agira d’étendre ces travaux antérieurs en mettant l’accent sur les problématiques d’apprentissage et de transfert de connaissances entre différents robots/et ou avec son/ses avatar(s) virtuels dans l’environnement en réalité mixte.
Contributions attendues et valorisation
Les travaux entrepris par le candidat devraient contribuer, sans s'y limiter, à :
- une meilleure compréhension des problèmes liés à la mise en œuvre de la conduite auto- nome dans différents domaines : décalage par rapport à la réalité (reality gap), sur-
apprentissage, apprentissage frugal, biais expérimentaux, etc. ;
- une nouvelle approche du transfert et de l'acquisition de connaissances de la simulation vers
le monde réel et du monde réel à la simulation ;
- des résultats expérimentaux (simulation et/ou plate-forme robotique) sur les avantages de
la communication/coopération pour la circulation autonome ;
- des pistes concernant l'utilisation d'environnements de simulation et de robotique pour fa-
voriser et accélérer le développement et le déploiement de technologies de conduite connec- tée et autonome.
Étant donné qu'une partie de la recherche sera menée à l'aide d'un environnement robotique, le travail et les architectures développés devrait permettre des expériences reproductibles qui pourraient être utilisées comme des démonstrateurs pour la recherche/l'enseignement, mais aussi pour la diffusion et la vulgarisation (comme des enregistrements vidéo) à destination du grand public mais aussi des industriels en visite à l’INSA Rouen Normandie.