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

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