Postée il y a 3 heures
L'objectif de cette thèse est de proposer un cadre théorique pour le traitement de la sobriété dans le pistage de cibles en robotique, en atteignant la performance juste requise par le contexte via le choix d'actions de perception et la réduction de complexité calculatoire.
Le pistage de cibles est une problématique explorée depuis le début des travaux sur la fusion de données. L'objectif est de localiser relativement à un observateur des cibles (ou objets), dont le nombre, inconnu, varie et dont la détection par les capteurs est incertaine. En robotique, le pistage constitue un bloc du niveau fonctionnel qui participe à la compréhension spatiale de l'environnement par les niveaux décisionnels. De même, on retrouve la problématique du pistage multi-cible en conjonction avec le SLAM (Simultaneous Localization And Mapping), ce qui donne lieu au problème SLAM-MOT (SLAM and Moving Object Tracking).
Au problème théorique commun avec d'autres disciplines, la robotique mobile rajoute des contraintes. Les calculs doivent être effectués en ligne sur le fondement des observations présentes et passées. Ils sont soumis à des exigences temporelles sévères. Dans les environnements variables et évolutifs considérés, les conditions perceptuelles changeantes peuvent induire un taux élevé de fausses observations. De plus, un robot mobile réalise sa mission sur batteries, de sorte que l'énergie à disposition des unités de traitement et des capteurs embarqués est limitée. C'est en particulier le cas pour la robotique aérienne (quadcopter…), où les unités de traitement, les capteurs et les batteries constituent l'essentiel de la charge utile (hors outils spécifiques). Enfin, la fonction de pistage est concurrente à d'autres fonctions potentiellement plus critiques (maintien de la stabilité…). Limiter la complexité calculatoire et la consommation énergétique au strict nécessaire permet de libérer ces ressources pour les autres fonctions. À titre d'exemple, le pistage ultra-précis de cibles lointaines (hors de portée du robot à court terme) n'est pas strictement nécessaire.
La problématique de cette thèse est donc de proposer un cadre théorique pour le pistage multi-cible répondant à cette exigence de sobriété en robotique. L'objectif est d'obtenir un système de pistage consistant et digne de confiance, impliquant des ressources (capteurs, traitements CPU…) limitées, et doté du niveau de performances juste nécessaire en fonction du contexte. Elle s'inscrit dans la veine d'une prise de conscience de la communauté robotique vis-à-vis de son impact en termes de ressources et d'énergie.
Les méthodes habituelles de fusion de données exploitent l'ensemble de mesures disponibles. Ces méthodes sont dites « ascendantes » (Bottom Up). Elles permettent la meilleure qualité d'estimation, mais peuvent s'avérer coûteuses en temps de calcul et en ressources énergétiques, alors que certaines mesures apportent peu d'information. L'objectif de cette thèse est d'explorer les méthodes « descendantes » (Top Down), qui sélectionnent en priorité les mesures les plus informatives. Cela permet de moins solliciter les capteurs et les capacités de calcul pour maximiser le rapport entre gain d'information et énergie dépensée.
En parallèle, diverses problématiques seront explorées : définition de métriques adaptées au problème du pistage sobre ; stratégies d'inférence et d'optimisation approchées…
Contexte de travail
La thèse prendra place au Laboratoire d'Analyse et d'Architecture des Systèmes (LAAS), une unité propre du CNRS, dans l'équipe Robotique Action Perception (RAP) du département Robotique (https://www.laas.fr/fr/equipes/rap/).
Les contributions théoriques feront l'objet de validations expérimentales sur les plateformes du département.
Profil recherché : la candidate ou le candidat devra être titulaire d'un diplôme de Master ou d'Ingénieur dans une des thématiques suivantes : Robotique ; Informatique ; Traitement du signal ; Automatique ; Mathématiques Appliquées.
Compétences attendues :
- Maitrise de logiciels de calcul scientifique pour le prototypage d'algorithmes : Python, Julia, Matlab…
- Maitrise d'outils et de langages informatique pour le développement et l'intégration d'applications : Git, ROS, C++, Rust…
- Bagage solide en estimation/filtrage et optimisation.
- Fondamentaux en robotique et en perception.
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.