L'équipe SIAM (Signal, Image, AutoMatique) est une équipe interdisciplinaire dont les recherches s’articulent autour des quatre étapes indispensables à l’étude générale d’un système que sont la perception, l’observation, la modélisation et la commande. Les deux types de systèmes visés pour l’application de ces méthodes sont principalement les véhicules et les systèmes biologiques. Les comportements hors normes des systèmes étudiés ainsi que la prise en compte de leur autonomie conduisent les chercheurs de l’équipe à mettre en œuvre des méthodes originales sur des aspects très variés : comportement en limite de sécurité pour les véhicules, véhicule aérien plus léger que l’air, coopération d’engins autonomes, mobilité des cellules en phase améboïde et prise en compte du micro-environnement.

Cette expertise participe à la définition de l’équipe et à son rayonnement. S’appuyant sur des applications hétérogènes, l’équipe a imaginé des méthodes transversales aux outils habituels, offrant ainsi la possibilité de relier des disciplines donc des communautés qui ne le sont pas naturellement. Citons quelques exemples : la décomposition de tenseurs statistiques pour l’analyse d’images 3D, la théorie de la décision statistique appliquée à la reconnaissance de types cellulaires, la prise en compte de modèles déformables avec efforts aéro-élastiques dans le but du contrôle de dirigeables, la classification de la stabilité sous contraintes de systèmes non-hamiltoniens.

L’équipe mise donc sur ces interactions multidisciplinaires pour asseoir son projet de recherche dans un contexte local favorable (installation du CHSF en 2010, de l’IRBA en 2009, extension de Genopole, rapprochement avec l’IFFSTAR-LIVIC).

Derniers dépôts

Chargement de la page

widget_cartohal

Documents avec texte intégral

188

Documents en Open Access %

55 %

Références bibliographiques

225

Mots-clés

Reinforcement learning Linear matrix inequalities Autonomous vehicles Observer-based control Markov processes Autonomous aerial vehicles Fuzzy systems Fault-tolerant control Neural networks Unknown input Semantic segmentation Protocols Machine learning Estimation LMI Autonomous Vehicles Pooling function Disturbance observer Synchrosqueezing Stability criteria LPV systems Cyberattack Takagi-Sugeno LMI constraints Vehicle dynamics UAV Object detection Time-frequency Event-triggered mechanism Topology State estimation Linear matrix inequality Contour extraction Fault estimation Gait rehabilitation Costs Linear Matrix Inequality LMI Nonlinear control Fuzzy logic systems Adaptive control Sensor faults Linear matrix inequalities LMIs Stability analysis Adaptive fuzzy control Games Grid stability Deep Learning Heuristic algorithms Interval observer PID control Neural Networks Structure from Motion Linear systems Home Electrical Appliances HEAs Multi-agent systems Model predictive control Lyapunov methods Consensus control Localization Six-rotor unmanned aerial vehicles Roads Networked control systems Photovoltaic system Clinical gait analysis Actuators Calibration Fault tolerant control Cameras Multi-task learning Segmentation Distributed control DC MicroGrids Apprentissage profond UAVs LMIs LBP Actuator saturation Nonlinear systems Robust control Optimization Convolutional neural networks Rank aggregation Model Predictive Control Lyapunov Theory Fault-Tolerant Control Optical flow Fuzzy control Optimal control Nonlinear system Fault detection Identification Time delay Sliding mode control Stability Observers Ridge extraction Renewable source integration Autonomous driving Adaptive systems Deep learning