Cohorte – Thème Industrie du Futur

Sujet : Visual attention modeling for 3D scenes in Virtual and Mixed Reality
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Matthieu Perreira Da Silva,

Résumé :La thèse se situe dans le contexte du projet ANR PISCo (https://projet.liris.cnrs.fr/pisco/). L’objectif du projet est de proposer des algorithmes et outils permettant une visualisation interactive, des scènes 3D (AR/VR) avec une très haute qualité d’expérience utilisateur (user QoE). La scène 3D étant visualisée au travers une fenêtre donnée (le viewport), cette thèse vise à optimiser l’affichage dans cette fenêtre en considérant des modèles d’attention visuelle capable de prédire où l’observateur regarde, ou bien va regarder et ainsi sélectionner les primitives et niveaux de détails. L’originalité du projet réside dans la considération de données 3D riches, intégrant non seulement des informations géométriques mais également des attributs d’apparence et d’animation.

Sujet : Machine/Deep learning for network traffic and service management
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Benoît Parrein, Kandaraj Piamrat,

Résumé :The huge number of smart devices trigger a surge in traffic and applications. Under this explosion of traffic, machine/deep learning can be used to make the network self-managed and self- adaptive. The objective of this PhD is to study the behavior of network traffic using machine learning and deep learning models to improve network performance.
Financement : MESR

Sujet : Conception d’aciers inoxydables pour la fabrication additive
Établissement : Mines St Etienne
Laboratoire(s) : LGF
Encadrant(s) : Anna Fraczkiewicz, Franck Tancret,

Résumé :Le projet consiste à utiliser un ensemble d’outils prédictifs des caractéristiques d’aciers inoxydables, afin de concevoir de nouveaux matériaux plus performants et bien adaptés à une mise en œuvre par fabrication additive. Entre autres, certaines propriétés sont prédites à l’aide de modèles de fouille de données (réseaux neuronaux, processus gaussiens). La conception de matériaux est réalisée grâce à des algorithmes génétiques multi-objectifs.

Sujet : Prédiction in silico de phases et interfaces cristallines
Établissement : UN
Laboratoire(s) : IMN – UMR 6502
Encadrant(s) : Isabelle Braems-Abbaspour, Emmanuel Bertrand,

Résumé :La prédiction de structures cristallines consiste à déterminer, à l’aide d’un descripteur énergétique (quantique ou classique) les structures stables, voire métastables, d’un matériau à partir de la seule connaissance de sa stoechiométrie. Nous étudions de tels systèmes et en particulier des interfaces (joints de grain) dont l’exploitation permet de piloter les propriétés mécaniques ou fonctionnelles d’un matériau. Les résultats seront confrontés à des observations sur l’HRTEM Nanthémis.
Vidéo de présentation

Sujet : Navigation collaborative de robots mobiles autonomes en environnements dynamiques et connectés
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Frémont Vincent, Elwan Héry

Résumé :Le but du projet de doctorat est donc de tirer parti des caractéristiques d’une flotte de robots mobiles et de la communication entre eux ainsi qu’avec les autres acteurs de leur environnement (infrastructures et utilisateurs connectés) pour améliorer la navigation autonome en espaces urbains, dynamiques et de plus en plus connectés tirant parti de caractéristiques telles que des capacités de détection et d’intervention distribuées, une hétérogénéité complémentaire.

Sujet : Machine learning for perceptual optimization of video compression scheme under real-time constraint
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Jean-Marc Thiesse

Résumé :The objective is to study the perceptual optimization of video compression schemes in a real-time encoding framework for different levels of bitrate and types of content. The proposed approach uses a solution based on a machine learning model powered by both perceptual quality measurements and parameters internal to the encoder. The machine learning model would then drive the different modules responsible for video quality, such as the rate control, the QP variation, etc.

Sujet : Conception computationnelle d’alliages de titane et d’alliages à forte entropie
Établissement : UN
Laboratoire(s) : IMN
Encadrant(s) : Franck Tancret, Pedro Rivera,

Résumé :Le projet consiste à utiliser un ensemble d’outils prédictifs des caractéristiques d’alliages de titane et d’alliages à forte entropie, notamment l’occurrence d’une transformation martensitique, afin de concevoir de nouveaux matériaux plus performants. Entre autres, certaines propriétés sont prédites à l’aide de modèles de fouille de données (machines à vecteurs de support). La conception de matériaux est réalisée grâce à des algorithmes génétiques multi-objectifs.

Sujet : Réseaux sans fil cognitifs pour des applications de l’Industrie 4.0
Établissement : UN
Laboratoire(s) : LS2N / IETR
Encadrant(s) : Benoît Parrein, Guillaume Andrieux,

Résumé :La fonction de routage de paquets au sein des réseaux sans fil est de plus en plus requise pour l’Internet des Objets Industriel (IIoT). Dans cette thèse, nous nous intéressons à l’apprentissage par renforcement pour assurer la fonction de routage. Proposé en 1993 par Boyan et Littman (à la conférence NIPS), nous étudions les performances du protocole Q-routing avec des protocoles de 2020 de l’Industrie 4.0 en y apportant des fonctionnalités nécessaires à un déploiement réel et distribué.
Financement : RFI Wise – RFI A2020

Sujet : Planification de trajectoire en milieu dynamique pour l’optimisation des performances de la batterie d’un véhicule autonome
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Vincent Frémont, Elwan Héry

Résumé :La thèse porte sur la planification de trajectoire pour la conduite autonome de véhicule électrique avec prise en compte du vieillissement de la batterie. Il s’agit de développer une planification dynamique de trajectoire du véhicule avec comme objectif l’amélioration des performances énergétiques et thermiques de la batterie. La planification s’appuie sur une compréhension de la scène perçue préalablement avec des caméras et/ou des LiDAR.

Sujet : Learning deep representations and driving models for connected autonomous vehicles
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Vincent Frémont, Héry Elwan

Résumé :Develop deep learning methods for scene understanding (object detection, tracking and prediction) which enable fusing information coming from multiple sensory modalities and from multiple vehicles.
Financement : AiBy4 – Centrale Nantes

Sujet : Simulation probabiliste pour systèmes multi-coeurs d’intelligence artificielle embarquée
Établissement : UN
Laboratoire(s) : IETR
Encadrant(s) : Sébastien Pillement, Sébastien Le Nours,

Résumé :The objectives and the outcomes of the PhD concerns the definition of abstraction methods and the delivery of a set of validated models to facilitate the creation of probabilistic models for the study of multi-core systems to implement efficiently AI algorithms (embedded AI). One other expected result of the project concerns the definition of a measurement infrastructure and methods for probabilistic model calibration.

Sujet : Modélisation du geste et détection de la fatigue par reconnaissance de signaux mécaniques. Application au joueur de tennis de table.
Établissement : UN
Laboratoire(s) : GEPEA/LS2N/MIP
Encadrant(s) : Pierre Mousseau, Eric Le Carpentier,

Résumé :Cette thèse s’inscrit dans un contexte scientifique interdisciplinaire au croisement de la métrologie,du traitement du signal et des sciences du vivant. Il s’agit de développer une nouvelle technique de caractérisation et d’optimisation d’une séquence ou d’un ensemble de séquences gestuelles en vue d’améliorer la performance humaine. Le domaine d’application est celui du sport, plus précisément celui du tennis de table mais la compréhension de la production du geste humain et de son optimisation est un enjeu scientifique qui dépasse le cadre de la performance sportive. Le but de la thèse est de développer une méthode de reconnaissance de la fatigue (mentale,physique) basée sur une perturbation de la « signature technique » du joueur modélisée à partir de mesures fournies par des capteurs (pression, accélérations, température…) placés notamment dans la raquette et dans la table. La modélisation des gestes et leur classification à partir des mesures récoltées en conditions maîtrisées est une première étape dans ce travail. Dans un second temps, en condition non maîtrisées (condition de match, induction de la fatigue mentale/physique chez le joueur). Afin d’observer des variations de la “signature technique” et de les corréler avec des signaux physiologiques issus des joueurs pour valider ou non la détection de la fatigue par des signaux extérieurs au joueur.
Financement : Centrale Nantes – Université de Nantes

Sujet : Coopération multi-robot en espaces partagés par vision et jumeau numérique
Établissement : Nantes Université
Laboratoire(s) : LS2N
Encadrant(s) : Olivier Cardin, Harold Mouchère, Kevin Subrin

Résumé :L’objectif de la thèse est de proposer une approche de contrôle temps réel d’une cellule composée de quatre robots industriels où les trajectoires d’évitement seraient calculées à partir de simulations de trajectoire potentielles des robots en réponse à la tâche demandée dans un espace partagé. La définition de la tâche se base sur une observation de l’espace par vision. Une négociation est ensuite mise en place entre les différents agents afin de déterminer la meilleure réponse collaborative.
Financement : IUT de Nantes, AIby4

Sujet : Inverse Reinforcement Learning of a task performed by human
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick LE CALLET, Laurent DOLLE,

Résumé :Our main goal is to build and develop an imitation learning framework that can allow industrial robots to understand and solve a given task by only observing a human expert performing the task, without any prior knowledge about the task or the world dynamics.

Sujet : Evaluation and prediction of quality of experience in light-field and volumetric imaging
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Toinon Vigier,

Résumé :The use of Quality of Experience (QoE) assessment methods based on psychophysiology addresses the limitations of the usual approaches in subjective quality evaluation. Psychophysiology approaches utilize the measurement of physiological signals to detect correlations to psychological responses in humans. My PhD study aims to develop objective/indirect techniques to measure the QoE assessment for immersive and hyper-realistic contents.

Sujet : Industrie 4.0 : Intelligence Artificielle et Machine Learning pour solution connectée en assemblage automobile et aéronautique
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : LERAY Philippe, RITOU Mathieu, LEDU Nicolas

Résumé :Dans son challenge Desoutter 4.0, l’entreprise souhaite passer un nouveau cap et proposer à ses clients de nouvelles fonctions d’intelligences pour ses visseuses connectées. Les objectifs sont: 1) Détection automatique des défauts de vissage en temps réel, 2) Proposition de solutions d’amélioration process.

Sujet : Low-rank approximation methods for uncertainty quantification of complex models
Établissement : ECN
Laboratoire(s) : LMJL
Encadrant(s) : Anthony Nouy, Guillaume Perrin,

Résumé :Cette thèse porte sur l’approximation de fonction en grande dimension dans un cadre d’apprentissage actif supervisé, exploitant des évaluations de la fonction, éventuellement bruitées, choisies de manière adaptative. Des algorithmes adaptatifs sont proposés et analysés pour l’approximation par des réseaux de tenseurs basés sur des arbres de dimension, une classe particulière de réseaux de neurones profonds (feed-forward sum-product networks).

Sujet : Coupling machine leaning and model reduction techniques for manufacturing processes
Établissement : ECN
Laboratoire(s) : Institut de Calcul Intensif, IRT Jules Verne
Encadrant(s) : Domenico Borzacchiello,

Résumé :Building a hybrid machine learning approach for material shaping processes that is not only data driven but also relies on a model built using model order reduction techniques.

Sujet : Intelligibilité des réseaux de neurons récurrents par interpretation avec des machines à états finis
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Colin de La Higuera,

Résumé :Les réseaux de neurones récurrents représentent une famille importante de modèles Deep Learning adaptés à l’apprentissage à partir de données séquentielles. Cependant, comme avec tous les modèles de Deep Learning, cette classe de modèles est peu interprétable, ce qui restreint son déploiement dans des systèmes critiques. Le travail proposé dans cette thèse consiste à apporter des contributions sur un ensemble de questions permettant d’extraire une machine à états finis.

Sujet : Fast-dynamic response and failure of masonry structures of non-standard geometry subjected to blast loads
Établissement : ECN
Laboratoire(s) : GeM
Encadrant(s) : Ioannis Stefanou, Paolo Vannucci, Victor Maffi-Berthier

Résumé :Ce travail étudie le comportement dynamique des structures maçonnées, vis-à-vis d’explosions. Ceci est accompli grâce à des simulations numériques détaillées. Une approche de modélisation macroscopique est introduite comme un outil simplifié d’ingénieur. Enfin, nous développons une nouvelle classe de réseaux de neurones artificiels, TANN, basés sur la thermodynamique, pour dériver des modèles constitutifs de matériaux non-linéaires et accélérer le temps de calcul des analyses multi-échelle.

Sujet : Conversion d’image en encre numérique et réseaux de neurones profonds
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Harold Mouchère, Thibault Lelore,

Résumé :L’objectif de la thèse est de développer une solution de conversion d’images de prise de notes manuscrites sur papier ou tableau en encre numérique basée sur les réseaux de neurones profonds. Les notes des utilisateurs sont des contenus divers et variés : textes multilingues, équations mathématiques, diagrammes et dessins. Les approches classiques sont assez limitées : elles opèrent sous différentes hypothèses et emploient un ensemble d’heuristiques spécifiques à un type de contenu donné.
Financement : CIFRE – MyScript

Sujet : Modèles graphiques probabilistes appliqués aux procédés de fabrication
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Philippe Leray, Mathieu Ritou,

Résumé :apprentissage paramètres réseaux bayésiens ; apprentissage non supervisé ; co-training ; détection de problèmes en usinage (broutement, bris d’outils,…) ; maintenance conditionnelle ; détection d’événements pendant l’usinage
Vidéo de présentation

Sujet : Planification de trajectoire en milieu dynamique pour l’optimisation des performances de la batterie d’un véhicule autonome
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : FREMONT Vincent, HERY Elwan

Résumé :La thèse porte sur la planification de trajectoire pour la conduite autonome de véhicule électrique avec prise en compte du vieillissement de la batterie. Il s’agit de développer une planification dynamique de trajectoire du véhicule avec comme objectif l’amélioration des performances énergétiques et thermiques de la batterie. La planification s’appuie sur une compréhension de la scène perçue préalablement avec des caméras et/ou des LiDAR.
Vidéo de présentation

Sujet : POTENTIEL ET PRÉVISION DES TEMPS D’ATTENTE POUR LE COVOITURAGE SUR UN TERRITOIRE
Établissement : ECN
Laboratoire(s) : LMJL
Encadrant(s) : Bertrand MICHEL, Gérard BIAU,

Résumé :La problématique principale de cette thèse est la prédiction des temps d’attente dans un réseau de covoiturage instantané. Dans un premier nous étudions les techniques de régression quantile afin d’estimer les quantiles de la distribution des temps d’attente. Ensuite, un modèle hiérarchique Bayésien de deux étages est proposé. Le premier étage de ce modèle est un modèle d’estimation de flux de traffic et le second transforme ce flux en temps d’attente.
Financement : CIFRE – Ecov

Sujet : Conception et caractérisation d’alliages de nickel résistants à la fragilisation par l’hydrogène
Établissement : UN
Laboratoire(s) : IMN
Encadrant(s) : Franck Tancret, Frédéric Christien,

Résumé :The aim is to design Ni alloys that are resistant to hydrogen embrittlement (e.g. for oil & gas or nuclear applications), notably using data mining tools (e.g. Gaussian processes) as well as multi-objective optimisation by genetic algorithms. The problem is typically highly dimensional, non-linear and “many-variables”, which necessitates the recourse to AI methods.

Sujet : Conception et évaluation expérimentale d’alliages « à composition complexe » (HEA/CCA) à haute résistance mécanique
Établissement : UN
Laboratoire(s) : IMN
Encadrant(s) : Franck Tancret, Anna Fraczkiewicz,

Résumé :Le projet consiste à utiliser un ensemble d’outils prédictifs des caractéristiques d’alliages métalliques complexes pour applications nucléaires, afin de concevoir de nouveaux matériaux plus performants. Entre autres, certaines propriétés sont prédites à l’aide de modèles de fouille de données (processus gaussiens). La conception de matériaux est réalisée grâce à des algorithmes génétiques multi-objectifs.
Vidéo de présentation

Sujet : Conception et caractérisation d’alliages métalliques complexes pour revêtements résistants à l’usure
Établissement : UN
Laboratoire(s) : IMN
Encadrant(s) : Franck Tancret, Anna Fraczkiewicz,

Résumé :Le projet consiste à utiliser un ensemble d’outils prédictifs des caractéristiques d’alliages métalliques pour revêtements résistants à l’usure, afin de concevoir de nouveaux matériaux plus performants. Entre autres, certaines propriétés sont prédites à l’aide de modèles de fouille de données (classement par comparaison de paires, processus gaussiens). La conception de matériaux est réalisée grâce à des algorithmes génétiques multi-objectifs.

Sujet : Extraction d’objets 3D dans des scènes 3D de façon non-supervisée
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick LE CALLET, Anthony MOURAUD,

Résumé :Apprentissage de tâches effectuées par un humain par un robot –> pour cela, nécessité de découvrir les objets de la scène pour pouvoir les manipuler. Différenciation objets inutiles/objets d’intérêt de façon non-supervisée.

Sujet : Bimanual tasks Imitation learning
Établissement : LS2N
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Kevin Subrin,

Résumé :–
Financement : AiBy4 – Université de Nantes

Sujet : Méthodes d’apprentisage statistique mélânt approche bayésienne et deep learning
Établissement : UN
Laboratoire(s) : LMJL
Encadrant(s) : Anne Philippe,

Résumé :Le sujet central de la thèse consiste à être capable de proposer des services/conseils/offres destinés à des clients particuliers et professionnels d’EDF en utilisant des méthodes de Bayesian deep learning.

Sujet : Conception d’un système de pilotage de systèmes cyber-physiques de production : application aux centres de tri postaux de nouvelle génération
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : CARDIN Olivier, MEBARKI Nasser, TAMZALIT Dalila

Résumé :L’enjeu est de définir les solutions fortement automatisées qui équiperont les 11 Plateformes Industrielles Courrier nationales à l’horizon 2020, notamment en ce qui concerne le stockage de contenants, la palettisation de bacs, les convoyeurs de contenants, les solutions AGV … La problématique principale sera de construire un système de pilotage capable de gérer ces nouveaux process, en accord avec les besoins nominaux de traitement du courrier, mais aussi avec les contraintes de production

Sujet : Multi-sensor fusion and integration for SLAM
Établissement : 0
Laboratoire(s) : 0
Encadrant(s) : FREMONT Vincent,

Résumé :Dectect and track features using visual and range sensor; Deduce the vehicle pose from the feature correspondence constraints; Apply AI for semantic information and add it to motion estimation problem;

Sujet : Conception interactive en design sonore. Application aux scènes sonores, à l’habillage sonore et à la sonification.
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Jean-François Petiot, Nicolas Misdariis, Mathieu Lagrange

Résumé :La problématique de thèse consiste à mettre au point des outils et méthodes interactifs pour le design sonore et la conception de scènes sonores. Les enjeux scientifiques consistent à définir des outils pour intégrer l’expérience utilisateur dans le processus de conception. Centré sur l’interaction entre un concepteur/designer et la matière sonore, le projet vise à la valorisation de l’expérience utilisateur pour un design sonore interactif et participatif.

Sujet : Moving Objects Detection and Tracking using Hybrid Event- based and Frame-based Vision for Autonomous Driving
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Vincent FREMONT,

Résumé :Traditional cameras are commonly used in the autonomous driving system for object detection and tracking, and it has a significant drawback that its temporal resolution is low, and the image are transmitted at a fixed rate. This is not suitable for the autonomous driving system in high dynamic traffic environments. So, the objective of my thesis is to use both the Event-based camera and Frame-based camera to realize a more reliable Multi-object tracking for the autonomous driving system.

Sujet : Qualified generative design methods for hybrid metal AM
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : BERNARD Alain, ZHANG Yicha

Résumé :AM has become mature and plays as a processing technical alternatives for customized small batch production. Hybrid AM and generative design come out recently. To enable a fluent digital chain in AM and facilitate the preparation/process planning, computational based design methods and tools would be more useful for design-process integration. In this proposal, computational design for HAM methods and tools will be investigated and developed for producing qualified optimal solutions.

Sujet : Proposition d’un système d’aide à la décision pour des machines-outils intelligentes et connectées
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Furet Benoit, Ritou Mathieu, da Cunha Catherine

Résumé :La finalité est de proposer d’un système d’aide à la décision pour des machines-outils intelligentes et connectées, basé sur les fouilles de données d’usinage. Des classifications contextuelles, basées sur des modèles GMM, sont effectuées pour une meilleure sélection des données. La méthode a été validée par k-fold. Cela permet ensuite de détecter des incidents en usinage en déchiffrant leur contexte, ainsi que d’évaluer des KPI d’aide au pilotage opérationnel de la production.