D5 - Signaux et images numériques, robotique

Responsable
Éric MARCHAND (Professeur Université de Rennes 1)
Description

Signaux et images numériques, robotique

Le département Signaux et images numériques, Robotique (D5) contribue à la recherche sur la formalisation, la conception et l'expérimentation de modèles et d'algorithmes pour traiter, transmettre et transformer les signaux et données numériques provenant d'une variété de phénomènes physiques, avec un accent sur les signaux acoustiques et audio, les données vidéo et visuelles, les signaux et captures de mouvement, les images médicales, les observations géoscientifiques, et l'incarnation physique et l'interaction avec l'environnement (robotique).

Les principaux résultats obtenus concernent les grands thèmes suivants :

  • Contrôle avancé basé sur des capteurs en robotique et architectures de contrôle partagées : planification des trajectoires et manœuvres des drones ; algorithmes décentralisés pour le contrôle de la formation de plusieurs robots ; nouvelles interfaces haptiques portables ainsi que techniques de rendu haptique ; algorithmes de contrôle partagés pour la télémanipulation avec un système à deux bras ; navigation semi-autonome d'un fauteuil roulant robotique pour les personnes handicapées
  • Apprentissage machine, modélisation éparse et détection comprimée : établissement des bases théoriques et algorithmiques de l'apprentissage statistique par compression ; cadre de détection comprimée pour reconstruire un champ lumineux à partir d'un seul capteur ; nouveaux schémas d'échantillonnage basés sur l'apprentissage par dictionnaire et la détection comprimée ; mesures de transport optimales dans le traitement du signal des graphes, adaptation des domaines dans les réseaux neuronaux profonds ; généralisation hors échantillon de l'apprentissage par collecteurs et regroupement sur collecteurs
  • Détection optimale et tenant compte de l'incertitude : méthodes de suivi visuel basées sur des modèles ; détection active pour analyser et synthétiser les trajectoires optimales d'un système robotique ; nouvelles lois de contrôle pour l'asservissement visuel basées sur l'apprentissage profond et méthode d'asservissement de la déformation sans modèle pour les corps mous
  • Traitement du son, du signal et de l'image : nouvelles approches pour la localisation et la séparation des sources ; nouveaux modèles et paradigmes d'apprentissage pour faire face aux données et aux tâches complexes de l'observation de la Terre ; compression et reconstruction du champ lumineux ; développement d'un cadre expérimental et méthodologique unique pour le neurofeedback ; applications en neuroradiologie et dans les troubles neurologiques