Mon compte Ma liste - 0
	Catalogue   Ressources numériques   Nouveautés   Liens utiles   Mon compte

Recherche rapide Recherche avancée Recherche alphabétique Historique Information

Recherche  AuteurTitreSujetTitre de revueCollectionCotes BUCotes ENSEACotes IUFM       Modifier la recherche     > CERGY

Elargir la recherche       Sur le même sujet :     Thèses et écrits académiques     Parcourir le catalogue     par auteur:      Colomer , Sylvain , 1996-....      Romain , Olivier , 1974-....      Diguet , Jean-Philippe      Gruyer , Dominique , 19..-.... , directeur de thèse      Perrinet , Laurent      Cuperlier , Nicolas , 1979-....      Bresson , Guillaume , 1987-....      Pechberti , Steve      CY Cergy Paris Université , 2020-....      École doctorale Économie, Management, Mathématiques, Physique et Sciences Informatiques , Cergy-Pontoise, Val d'Oise      Equipes Traitement de l'Information et Systèmes , Cergy-Pontoise, Val d'Oise      VEDECOM , Versailles         Affichage MARC

Auteur :  Colomer , Sylvain , 1996-.... Romain , Olivier , 1974-.... Diguet , Jean-Philippe Gruyer , Dominique , 19..-.... , directeur de thèse Perrinet , Laurent Cuperlier , Nicolas , 1979-.... Bresson , Guillaume , 1987-.... Pechberti , Steve CY Cergy Paris Université , 2020-.... École doctorale Économie, Management, Mathématiques, Physique et Sciences Informatiques , Cergy-Pontoise, Val d'Oise Equipes Traitement de l'Information et Systèmes , Cergy-Pontoise, Val d'Oise VEDECOM , Versailles Titre :  Approches neuro-robotique intégrées pour la localisation et la navigation d'un véhicule autonome. , Sylvain Colomer ; sous la direction de Olivier Romain Editeur :  2022 Notes :  Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : Ecole doctorale Économie, Management, Mathématiques , Physique et Sciences Informatiques (EM2PSI) Partenaire(s) de recherche : ETIS - Equipes Traitement de l'Information et Systèmes (Laboratoire), VEDECOM (Versailles) (Entreprise) Autre(s) contribution(s) : Jean-Philippe Diguet (Président du jury) ; Olivier Romain, Dominique Gruyer, Laurent Perrinet, Nicolas Cuperlier, Guillaume Bresson, Steve Pechberti, Jeff Krichmar (Membre(s) du jury) ; Dominique Gruyer, Laurent Perrinet (Rapporteur(s)) Thèse de doctorat STIC (Sciences et Technologies de l'Information et de la Communication) - ED EM2PSI CY Cergy Paris Université 2022 Contrairement aux systèmes artificiels, les systèmes biologiques sont capables d effectuer des tâches de navigation sur de grandes distances et de longues durées. Cette capacité reposerait en partie sur la robustesse des mécanismes d apprentissage impliqués dans leur cognition, sur leur faculté à exploiter les couplages entre différents capteurs et à s adapter en permanence aux changements survenant dans l environnement. La modélisation de leur cognition pourrait ainsi être un vecteur important d innovation en robotique, apportant aux modèles existants de nouveaux mécanismes efficace et originaux. Dans le but de proposer de nouvelles architectures de robotique, cette thèse explore le développement de modèles inspirés de la cognition des mammifères pour le véhicule autonome. Ces travaux sont basés sur le modèle de navigation "PerAc", un modèle de neurocybernétique conçu pour reproduire les observations faites en neurobiologie chez le rongeur naviguant dans de petits environnements. Le modèle a ainsi démontré de bonnes capacités de navigation sur de petits robots mobiles, liées notamment à sa façon spécifique de représenter l environnement. Il n est cependant pas adapté pour fonctionner sur de grandes échelles de fonctionnement à cause de ses coûts computationnel et mémoire trop élevés. Des travaux ont démontré le besoin d améliorer les performances de son système de localisation visuelle, principal goulot d étranglement du modèle. En vue de surmonter ce problème, la première partie de la thèse a été consacrée à l intégration de mécanismes de codage en population dans le système de localisation visuelle du modèle. Plusieurs modèles d encodage des informations visuelles ont ainsi été proposés, s appuyant sur une nouvelle méthode de codage parcimonieux inspirée du fonctionnement du cortex visuel. Un effort a notamment été réalisé pour adopter une méthode conventionnelle d évaluation des modèles, afin d obtenir une mesure forte de ses performances comparable avec l état de l art. Les résultats obtenus ont ainsi démontré l efficacité des méthodes proposées, avec des gains importants en coûts computationnel et mémoire sur le modèle d origine. La deuxième partie de la thèse, dans la continuité des travaux entrepris, a été consacrée au développement d un modèle complet de navigation neurorobotique pour un véhicule autonome. Le modèle d origine a ainsi été repris dans son intégralité et a été fortement modifié pour convenir aux particularités, en termes de contrôle, d un véhicule autonome. Ces travaux ont abouti à la construction du modèle MpNav, un nouveau modèle de navigation visuelle, qui, bien que proche du type "end-to-end" n est pas basé sur un apprentissage profond et permet d apprendre une trajectoire de navigation en peu d itérations. Son utilisation sur un véhicule expérimental de VEDECOM a ainsi permis d effectuer en totale autonomie plusieurs t Contrary to artificial systems, biological systems are able to perform navigation tasks over large distances and long duration. This ability is partly based on the robustness of the learning mechanisms involved in their cognition, on their ability to exploit couplings between different sensors and to adapt themselves continuously to changes in the environment. The modeling of their cognition could thus be an important vector of innovation in robotics, bringing to existing models new efficient and original mechanisms. In order to propose new robotic architectures, this thesis explores the development of models inspired by mammalian cognition for the autonomous vehicle. This work starts from the "PerAc navigation model", a neurocybernetic model designed to reproduce the observations made in neurobiology in small environments. The model has demonstrated good navigation capabilities on small mobile robots, notably linked to its specific way of representing the environment. However, it is not immediately suitable for large-scale operation because of its high computational and memory cost. In particular, recent work has shown the need to improve the performance of its system of visual localisation, the main bottleneck of the model. In order to overcome this problem, the first part of the thesis was dedicated to the integration of population coding mechanisms in the visual localisation system of the model. Thus, several models of visual information encoding have been proposed, based on a new method of sparse coding inspired by the functioning of the visual cortex. In particular, an effort was made to adopt a conventional method of model evaluation, in order to obtain a strong measure of their performance comparable with the state of the art. Finally, the results obtained demonstrated the efficiency of the proposed methods, with significant gains in computational cost and memory over the original model. The second part of the thesis was devoted to the development of a complete neurorobotic navigation model for autonomous vehicles. The original model has therefore been taken over in its entirety and significantly modified to suit the operation of an autonomous vehicle. This work led to the construction of the MpNav model, a new end-to-end model of visual navigation, ables to learn a trajectory in a few iterations. Thus, its use on an experimental vehicle of VEDECOM has permitted to perform several navigation trajectories in complete autonomy, with a record of 2km on a looping trajectory. Configuration requise : un logiciel capable de lire un fichier au format : PDF URL:  (Accès au texte intégral) http://www.theses.fr/2022CYUN1130/document http://www.theses.fr/2022CYUN1130/abes Sujet :  Thèses et écrits académiques   Exemplaires Pas de données exemplaires

Pour toute question, contactez la bibliothèque

Horizon Information Portal 3.25_france_v1m© 2001-2019 SirsiDynix Tous droits réservés.