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).

widget_cartohal

Documents avec texte intégral

182

Documents en Open Access %

56 %

Références bibliographiques

216

Mots-clés

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