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

216

Mots-clés

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