Descripteur
Documents disponibles dans cette catégorie (22)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
Titre : A world model enabling information integrity for autonomous vehicles Type de document : Thèse/HDR Auteurs : Corentin Sanchez, Auteur ; Philippe Bonnifait, Directeur de thèse ; Philippe Xu, Directeur de thèse Editeur : Compiègne : Université de Technologie de Compiègne UTC Année de publication : 2022 Importance : 198 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de Doctorat de l'Université de Technologie de Compiègne, Spécialité Automatique et RobotiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] attention (apprentissage automatique)
[Termes IGN] carte routière
[Termes IGN] données multisources
[Termes IGN] information sémantique
[Termes IGN] intégrité des données
[Termes IGN] milieu urbain
[Termes IGN] navigation autonome
[Termes IGN] raisonnement
[Termes IGN] réseau routier
[Termes IGN] robot mobile
[Termes IGN] sécurité routière
[Termes IGN] véhicule sans pilote
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) To drive in complex urban environments, autonomous vehicles need to understand their driving context. This task, also known as the situation awareness, relies on an internal virtual representation of the world made by the vehicle, called world model. This representation is generally built from information provided by multiple sources. High definition navigation maps supply prior information such as road network topology, geometric description of the carriageway, and semantic information including traffic laws. The perception system provides a description of the space and of road users evolving in the vehicle surroundings. Conjointly, they provide representations of the environment (static and dynamic) and allow to model interactions. In complex situations, a reliable and non-misleading world model is mandatory to avoid inappropriate decision-making and to ensure safety. The goal of this PhD thesis is to propose a novel formalism on the concept of world model that fulfills the situation awareness requirements for an autonomous vehicle. This world model integrates prior knowledge on the road network topology, a lane-level grid representation, its prediction over time and more importantly a mechanism to control and monitor the integrity of information. The concept of world model is present in many autonomous vehicle architectures but may take many various forms and sometimes only implicitly. In some work, it is part of the perception process when in some other it is part of a decisionmaking process. The first contribution of this thesis is a survey on the concept of world model for autonomous driving covering different levels of abstraction for information representation and reasoning. Then, a novel representation is proposed for the world model at the tactical level combining dynamic objects and spatial occupancy information. First, a graph based top-down approach using a high-definition map is proposed to extract the areas of interests with respect to the situation from the vehicle's perspective. It is then used to build a Lane Grid Map (LGM), which is an intermediate space state representation from the ego-vehicle point of view. A top-down approach is chosen to assess and characterize the relevant information of the situation. Additionally to classical free-occupied states, the unknown state is further characterized by the notions of neutralized and safe areas that provide a deeper level of understanding of the situation. Another contribution to the world model is an integrity management mechanism that is built upon the LGM representation. It consists in managing the spatial sampling of the grid cells in order to take into account localization and perception errors and to avoid misleading information. Regardless of the confidence on localization and perception information, the LGM is capable of providing reliable information to decision making in order not to take hazardous decisions.The last part of the situation awareness strategy is the prediction of the world model based on the LGM representation. The main contribution is to show how a classical object-level prediction fits this representation and that the integrity can also be extended at the prediction stage. It is also depicted how a neutralized area can be used in the prediction stage to provide a better situation prediction. The work relies on experimental data in order to demonstrate a real application of a complex situation awareness representation. The approach is evaluated with real data obtained thanks to several experimental vehicles equipped with LiDAR sensors and IMU with RTK corrections in the city of Compi_egne. A high-definition map has also been used in the framework of the SIVALab joint laboratory between Renault and Heudiasyc CNRS-UTC. The world model module has been implemented (with ROS software) in order to fulfll real-time application and is functional on the experimental vehicles for live demonstrations. Note de contenu : General introduction
1- World model for autonomous vehicules
2- An architecture for WM
3- A lane level world model
4- Set-based LGM prediction
General conclusionNuméro de notice : 24089 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Automatique et Robotique : UTC Compiègne : 2022 Organisme de stage : Laboratoire Heudiasyc DOI : sans En ligne : https://www.theses.fr/2022COMP2683 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102509 Cartographie dense et compacte par vision RGB-D pour la navigation d’un robot mobile / Bruce Canovas (2021)
Titre : Cartographie dense et compacte par vision RGB-D pour la navigation d’un robot mobile Type de document : Thèse/HDR Auteurs : Bruce Canovas, Auteur ; Michèle Rombaut, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 148 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le titre de Docteur en Sciences de l'Université Grenoble Alpes, spécialité Signal, Image, Parole, TélécomsLangues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] algorithme ICP
[Termes IGN] cartographie et localisation simultanées
[Termes IGN] image 3D
[Termes IGN] image RVB
[Termes IGN] instrument embarqué
[Termes IGN] modélisation 3D
[Termes IGN] navigation autonome
[Termes IGN] Ransac (algorithme)
[Termes IGN] robot mobile
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les capacités de perception et de localisation sont des enjeux majeurs de la robotique mobile, nécessaires dans la réalisation de missions impliquant des processus décisionnels autonomes. Elles s'appuient sur les mesures d'un ou plusieurs capteurs embarqués sur la plateforme robotique mobile en question. Dans cette thèse, on s'intéresse à des techniques de perception visuelle basées sur une caméra RGB-D pour permettre la navigation d'un robot compagnon dans un milieu intérieur inconnu. Afin de pouvoir se déplacer de façon autonome, ce robot doit avoir accès à une carte représentative de la structure de son environnement et être capable de s'y repérer.Bien que de nombreuses méthodes de localisation et cartographie simultanées (SLAM - Simultaneous Localization And Mapping) RGB-D capables de résultats impressionnants aient été développées, elles sont bien souvent trop coûteuses en termes de ressources informatiques pour être exécutées sur les cartes embarquées de robots mobiles d'intérieur. Elles font aussi la plupart du temps l'hypothèse que la scène observée par la caméra est statique, ce qui limite leur utilisation dans de nombreuses situations où des personnes sont présentes. De plus, les cartes qu'elles produisent sont souvent inadéquates pour la planification de trajectoires et ne peuvent pas être utilisées directement pour de tâches de navigation.Dans le but de répondre à ces problèmes, nous proposons une nouvelle forme de représentation 3D pour la reconstruction basse résolution, mais compacte rapide et légère d'environnements, au contraire des approches conventionnelles qui se focalisent sur la production de modèles 3D complexes avec un haut niveau détails. Un système de SLAM RGB-D dense complet, robuste aux éléments dynamiques, est conçu autour de cette représentation, puis porté sur une plateforme robotique mobile à conduite différentielle. En outre, une stratégie de navigation efficace est proposée en couplant l'algorithme de SLAM développé à un planificateur de trajectoires. Les différentes solutions proposées sont évaluées et comparées avec les méthodes de l'état de l'art, pour les valider et montrer leurs forces et faiblesses. Note de contenu : 1- Introduction générale
2- Prérequis
3- Modélisation 3D compacte à partir de caméra RGB-D
4- SLAM RGB-D dense, rapide et léger en milieu dynamique
5- Application de SupersurfelFusion à la navigation autonome d’un robot mobile
6- Conclusion et perspectivesNuméro de notice : 15283 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image, Parole, Télécoms : Grenoble : 2021 Organisme de stage : Laboratoire Grenoble Images Parole Signal Automatique DOI : sans En ligne : https://tel.hal.science/tel-03647103 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101409
Titre : Exploration of reinforcement learning algorithms for autonomous vehicle visual perception and control Titre original : Exploration des algorithmes d'apprentissage par renforcement pour la perception et le controle d'un véhicule autonome par vision Type de document : Thèse/HDR Auteurs : Florence Carton, Auteur ; David Filliat, Directeur de thèse Editeur : Paris : Ecole Nationale Supérieure des Techniques Avancées ENSTA Année de publication : 2021 Importance : 173 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l’Institut Polytechnique de Paris, Spécialité : Informatique, Données, IALangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage par renforcement
[Termes IGN] classification dirigée
[Termes IGN] instrument embarqué
[Termes IGN] navigation autonome
[Termes IGN] reconnaissance de formes
[Termes IGN] réseau neuronal profond
[Termes IGN] robot mobile
[Termes IGN] segmentation sémantique
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Reinforcement learning is an approach to solve a sequential decision making problem. In this formalism, an autonomous agent interacts with an environment and receives rewards based on the decisions it makes. The goal of the agent is to maximize the total amount of rewards it receives. In the reinforcement learning paradigm, the agent learns by trial and error the policy (sequence of actions) that yields the best rewards.In this thesis, we focus on its application to the perception and control of an autonomous vehicle. To stay close to human driving, only the onboard camera is used as input sensor. We focus in particular on end-to-end training, i.e. a direct mapping between information from the environment and the action chosen by the agent. However, training end-to-end reinforcement learning for autonomous driving poses some challenges: the large dimensions of the state and action spaces as well as the instability and weakness of the reinforcement learning signal to train deep neural networks.The approaches we implemented are based on the use of semantic information (image segmentation). In particular, this work explores the joint training of semantic information and navigation.We show that these methods are promising and allow to overcome some limitations. On the one hand, combining segmentation supervised learning with navigation reinforcement learning improves the performance of the agent and its ability to generalize to an unknown environment. On the other hand, it enables to train an agent that will be more robust to unexpected events and able to make decisions limiting the risks.Experiments are conducted in simulation, and numerous comparisons with state of the art methods are made. Note de contenu : 1- Introduction
2- Supervised learning and reinforcement learning background
3- State of the art
4- End-to-end autonomous driving on circuit with reinforcement learning
5- From lane following to robust conditional driving
6- Exploration of methods to reduce overfit
7- ConclusionNuméro de notice : 28325 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse étrangère Note de thèse : Thèse de Doctorat : Informatique, Données, IA : ENSTA : 2021 DOI : sans En ligne : https://tel.hal.science/tel-03273748/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98363
Titre : Méthodes de partage d'informations visuelles et inertielles pour la localisation et la cartographie simultanées décentralisées multi-robots Type de document : Thèse/HDR Auteurs : Rodolphe Dubois, Auteur ; Vincent Frémont, Directeur de thèse Editeur : Nantes : Ecole Centrale de Nantes Année de publication : 2021 Importance : 259 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Ecole Centrale de Nantes, spécialité Signal, Image, VisionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] cartographie et localisation simultanées
[Termes IGN] fusion de données
[Termes IGN] navigation autonome
[Termes IGN] partage de données localisées
[Termes IGN] robot mobile
[Termes IGN] robotique
[Termes IGN] vision
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) En robotique mobile, les méthodes de cartographie et de localisation simultanées (SLAM) constituent une brique algorithme essentielle afin de percevoir l’environnement et y naviguer de façon autonome. En contexte visuel, les méthodes de SLAM mono-robot ont aujourd’hui atteint un haut degré de maturité, ce qui a permis l’essor de méthodes collaboratives. Néanmoins, les problématiques d’autonomie des agents couplées aux contraintes d’information, de réseau et de ressources interrogent sur la nature des données à transmettre entre les robots. L’objectif de cette thèse est de concevoir des méthodes de partage d’informations visuelles et inertielles qui favorisent l’autonomie des robots et leur permettent d’affiner leur navigation dès lors qu’ils visitent des zones communes. Dans ce but, nous investiguons différents paradigmes d’échanges pour des architectures décentralisées de SLAM visio-inertiel et stéréo-visuel. Tout d’abord, nous proposons trois façons de synthétiser des données visio-inertielles, et développons une architecture de SLAM collaboratif décentralisée chargée d’en organiser le calcul, l’échange et l’intégration. Ces méthodes exploitent respectivement l’échange de sous-cartes visio-inertielles rigides, de paquets condensés par marginalisation et éparsification consistante, et de paquets élagués via la sélection de facteurs visioinertiels bruts. Nous les évaluons sur des jeux de données standards, ainsi que sur notre jeu de données AirMuseum, spécifiquement conçu à cette fin. Enfin, nous appliquons l’architecture développée pour la cartographie dense en étendant une méthode de cartographie collaborative reposant sur l’échange, le recalage et la fusion de sous-cartes localement consistantes associées à des représentations de type TS. Note de contenu : 1- Introduction
I État de l’art
2- La cartographie et la localisation simultanées mono-robot
3- L’émergence des méthodes de SLAM multi-robots
II Contributions
4- Construction d’un jeu de données multi-robots
5- SLAM visio-inertiel décentralisé pour la navigation multi-robots
6- SLAM dense stéréo-visuel décentralisé basé sur l’échange de sous-cartes TSDF
7- Conclusion et Perspectives
III AnnexesNuméro de notice : 28637 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image, Vision : Centrale Nantes : 2021 Organisme de stage : Laboratoire des Sciences du Numérique DOI : sans En ligne : https://hal.science/tel-03273943v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99702 Des robots qui ont plus d’une carte dans le cerveau ! / Françoise de Blomac in DécryptaGéo le mag, sans n° (mai 2017)
Titre : Des robots qui ont plus d’une carte dans le cerveau ! Type de document : Article/Communication Auteurs : Françoise de Blomac, Auteur Année de publication : 2017 Article en page(s) : 2 p. Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] cartographie automatique
[Termes IGN] lever direct
[Termes IGN] robot mobileRésumé : (auteur) Après les citoyens capteurs, voici les robots capteurs. Mais ceux-ci sont un peu particuliers, car ils n’arpentent pas les rues pour en dresser la cartographie, mais les vignes ou les champs de melon. Christophe Millot, leur créateur, s’est entouré de développeurs indépendants pour réaliser ces assistants de taille, de nettoyage, de cueillette… et n’a pas oublié de leur mettre une bonne carte dans la tête. Numéro de notice : A2017-247 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85192
in DécryptaGéo le mag > sans n° (mai 2017) . - 2 p.[article]
