Bienvenue aux Mines Paristech
Bienvenue à MINES ParisTech
Newsletter International
Website
Théorie & Pratique
Vous êtes

webTV

Lecture

Modéliser pour préparer l'expérience

Lecture

Créer de la musique à partir de gestes dans l'espace

Lecture

Electromagnetic forming process for metallic pieces

Lecture

David Ryckelynck | Entretiens de Toulouse 2015

Lecture

L'intégration du stockage dans un réseau électrique durable

+ Toutes les vidéos

Partager

Apprentissage des trajectoires pour la planification et le contrôle de véhicules autonomes

Apprentissage des trajectoires pour la planification et le contrôle de véhicules autonomes

Proposition de thèse

SpécialitéInformatique temps réel, robotique et automatique - Paris
Ecole doctoraleSMI - Sciences des Métiers de l'Ingénieur
Directeur de thèseDE LA FORTELLE Arnaud
Unité de rechercheMathématiques et Systèmes
Contact
Site Web
Mots-clésTrajectoires, Véhicules automnes
RésuméDans un environnement opérationnel complexe, la prise de décision et le contrôle reposent de plus en plus sur des systèmes hiérarchiques permettant à la fois d'atteindre les niveaux d'abstraction nécessaire à des raisonnements sophistiqués tout en conservant toujours le lien vers les commandes élémentaires des véhicules ou vers les données issues des capteurs. Typiquement, il s'agit de reconnaître le contexte de la conduite (ce qui exige un bon niveau d'abstraction) et de moduler aussi bien les algorithmes de perception que ceux de commande : on n'observera pas l'environnement de la même manière au voisinage d'une école en ville à 16h que sur une autoroute à minuit ; les décisions n'auront probablement que peu de rapport tant en termes de planification que d'action.
Les modèles de planification et de contrôle sont le plus souvent en relation de manière à assurer la bonne exécution des décisions. Ce sont généralement des modèles déterministes. Afin de limiter l'espace de recherche, la planification introduit souvent des manœuvres agrégées (changement de file, suivi de véhicule...) qui permettent de décomposer la trajectoire future en un ensemble de manœuvres qui permettent de réaliser l'intention de conduite (aller à sa destination). Différents algorithmes sont mis en œuvre lors de chaque manœuvre ou changement de manœuvre.

Le problème que l'on se pose, est de savoir comment l'on peut prédire les intentions des autres usagers afin d'adapter son comportement. La partie perception (détection/classification/tracking) n'est pas le cœur de la thèse, même si la compréhension (voire l'amélioration) de certains algorithmes de perception peuvent être nécessaire. De même, les parties planification et contrôles sont des parties importantes pour comprendre comment sera exploité le travail de thèse, mais sont déjà largement étudiées. Le problème qui se pose est le suivant : à partir d'observations imparfaites, comment déduire des intentions d'autres usagers, en particulier des véhicules, de façon à ajuster sa conduite. Le travail à conduire recouvre de multiples facettes : clarification de la notion d'intention (entre décision de manœuvre, p. ex. encodé par une classe d'homotopie, et prédiction de trajectoire), données accessibles et données nécessaires au calcul. La piste la plus prometteuse consisterait à coupler de l'apprentissage sur des données de trajectoires (en général accessibles depuis un observatoire fixe) et données embarquées (celles qui sont issues des capteurs du véhicule et de leur fusion)
ContexteLa Chaire internationale de recherche Drive for All s'intéresse à la conduite automatisée de véhicules terrestres. Deux applications sont visées :
1. les voitures, et en particulier la conduite autonome de voitures en ville ;
2. les véhicules d'intervention (first responder) dans des environnements semi-structurés.

En collaboration avec les universités de Berkeley, de Shanghai Jiao-Tong et de l'EPFL, MINES ParisTech va développer et tester des algorithmes avancés pour la conduite automatisée de véhicules automatisés en ville, les mêmes techniques s'appliquant à la conduite d'un prototype de véhicule tout-terrain qui restera propriété de Safran/SAGEM.

La présente thèse présente donc aussi bien des aspects théoriques visant à accroître les connaissances sur la conduite automatisée que des aspects pratiques d'implantation sur des démonstrateurs.
EncadrementSuivi mensuel du doctorant, et revue annuelle avec l'École doctorale
Profil candidatLe candidat doit avoir un Master Recherche ou une expérience de recherche ; un profil de type ingénieur Grande Ecole serait apprécié compte tenu du caractère applicatif de cette thèse.
Le candidat devra avoir un bon relationnel, de la rigueur et de l'autonomie ; afin d'interagir dans le cadre de la chaire internationale Drive for All, il est requis d'avoir un bon niveau d'anglais.
Des qualités de rédaction et de présentation à l'oral sont également nécessaires.
Compétences requises
Compétences scientifiques demandées : automatique, estimation, planification de trajectoires, traitement des données, probabilités ;
Compétences techniques demandées : développement logiciel.
ObjectifL'objectif de la thèse est de faire avancer la compréhension des mécanismes nécessaires à la prise en compte des intentions : c'est la partie académique, qui devra donner lieu à des publications. Par ailleurs, le contexte de la thèse (chaire Drive for All) est favorable à des expérimentations : le candidat devra donc pouvoir implanter les nouveaux algorithmes conçus dans des logiciels qui seront intégrés dans l'architecture des véhicules, et qui devront donner lieu à des tests sur les véhicules.
RéférencesA Simple Dynamic Model for Aggressive, Near-Limits Trajectory Planning
Florent Altché2,1, Philip Polack1 and Arnaud de La Fortelle
High-Speed Trajectory Planning for Autonomous Vehicles Using a
Simple Dynamic Model
Florent Altché Philip Polack and Arnaud de La Fortelle
Type financementAutre type de financement

Retour à la liste des propositions

actualité

Le Rapport d'activité 2016 est en ligne

Formation Le Rapport d'activité 2016 est en ligne C'est par un éditorial à deux voix que s'ouvre le…
> En savoir +

Des conditions d'études optimales

Formation Des conditions d'études optimales Un faible "ratio étudiants / personnels encadrants" peut…
> En savoir +

Les matériaux à l'honneur

Formation Les matériaux à l'honneur Le Prix Bodycote de la SF2M récompense deux jeunes docteurs de l'École. La SF2M…
> En savoir +

Deux prix CSMA en

Formation Deux prix CSMA en "calcul des structures" Lors du 13 e colloque national en calcul des structures , à…
> En savoir +

Nadia Maïzi : « 2050 se façonne aujourd'hui »

Formation Nadia Maïzi : « 2050 se façonne aujourd'hui » Quelles énergies dans le monde pour 2050 ? Nadia Maïzi ,…
> En savoir +

+ Toutes les actualités

agenda

Du 31 août au 1 septembre 2017 Deans' Forum 2017

Du 31 août au 1 septembre 2017 Deans' Forum 2017

+ Tous les événements

contact

Régine MOLINS
Direction de l'Enseignement
Service du Doctorat
> envoyer un mail

Plan du site
MINES
ParisTech

60, Boulevard Saint-Michel
75272 PARIS Cedex 06
Tél. : +33 1 40 51 90 00

Implantations
Formation
Mentions légales | efil.fr | ©2012 MINES ParisTech | +33 1 40 51 90 00 |