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

182

Documents en Open Access %

56 %

Références bibliographiques

215

Mots-clés

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