Localisation et navigation de robots
|
|
- Pierre-Yves Lesage
- il y a 8 ans
- Total affichages :
Transcription
1 Localisation et navigation de robots UFR des Sciences, Département EEA M2 EEAII, parcours ViRob Chapitre 2 : Navigation F. Morbidi 2014/2015
2 2 Plan du cours Chapitre 1: Localisation 1.1 Introduction et défis 1.2 Odométrie 1.3 Filtrage et fusion de capteurs 1.4 Autres techniques de localisation Chapitre 2: Navigation 2.1 Stratégies de navigation 2.2 Architectures de contrôle 2.3 Navigation vers un but 2.4 Evitement d obstacles
3 3 Introduction Naviguer Etymologie : voyage sur l eau ou dans les airs Etendu à tout véhicule Sextant XVième et XVIième siècles Souvent associé à une idée de localisation Pourquoi? Naviguer = déterminer une route par Christophe Colomb points de passage: une trajectoire! Les points de passage sont à déterminer (localiser)
4 4 Introduction Navigation Beaucoup plus ancienne Dès l apparition d une forme de vie Définition générique Action de déplacement Possibilité d ajouter Un point de départ Un but Des contraintes ou règles D Courbure limitée B
5 5 Introduction Selon le standard IEEE : La navigation est le processus de guider un véhicule afin de parvenir à la destination Selon Levitt la navigation est définie par les trois questions suivantes*: 1. Où suis-je? 2. Où sont les autres endroits par rapport à moi? 3. Comment puis-je atteindre les autres endroits à partir d'ici? * Qualitative navigation for mobile robots", T.S. Levitt, D.T. Lawton, Artificial Intelligence, vol. 44, n. 3, pp , 1990
6 6 Plan du chapitre Stratégies de navigation Partie 1 Architectures de contrôle Partie 2 Navigation vers un but Partie 3 Evitement d obstacles Partie 4
7 Partie 1 : Stratégies de navigation 7
8 8 Les différents types de navigation Stratégies de navigation Diverses Leurs classifications aussi Classification hiérarchique de Trullier à 5 niveaux*: 1. Approche d un objet 2. Guidage 3. Action associée à un lieu 4. Navigation topologique 5. Navigation métrique * Biologically based artificial navigation systems: Review and prospects", O. Trullier, S.I. Wiener, A. Berthoz, J.-A. Meyer, Progress in Neurobiology, vol. 51, n. 5, pp , 1997 Animat : un organisme artificiel, soit un animal simulé ou un robot semblable à un animal
9 9 Stratégies de navigation 1. Approche d un objet Déplacement vers un objet perceptible BUT Technique de remontée de gradient ex : véhicules de Braitenberg* 2 capteurs de lumière Atteindre ou fuir la source lumineuse Actions réflexes Perception action Stratégie locale : fonctionne ssi le but est visible * Valentino Braitenberg ( ): scientifique italien expert en neurosciences et cybernétique
10 10 Stratégies de navigation 2. Guidage Atteindre un but non visible But caractérisé par des amers situés autour Technique de descente de gradient Diriger le robot dans la direction qui permet de reproduire cette configuration (comportement animal) Actions réflexes Stratégie locale Les amers caractérisant le but doivent être perceptibles A mobile robot employing insect strategies for navigation", D. Lambrinos, R. Möller, T. Labhart, R. Pfeifer, R. Wehner, Robot. Auton. Syst., vol. 30, n. 1, pp , 2000 The visual homing problem: an example of robotics/biology cross fertilization", P. Gaussier, C. Joulain, J.-P. Banquet, S. Leprêtre, A. Revel, Robot. Auton. Syst., vol. 30, n. 1, pp , 2000 Amer = landmark ou beacon en anglais
11 11 Stratégies de navigation 3. Action associée à un lieu Capacité de navigation globale Rejoindre un but Invisible Atteindre un but distant Amers voisins invisibles Représentation interne de l environnement Ensemble de lieux A un lieu correspond une action à effectuer Enchainement des actions = route Autonomie plus importante, mais chemin figé!
12 12 Stratégies de navigation Action associée à un lieu A Obstacles a a a a a Lieux mémorisés Zone inexplorée a D a a a a a Direction à prendre pour atteindre le lieu A Trajectoire suivie par le robot
13 13 Stratégies de navigation 4. Navigation topologique Extension de la précédente Ajout à la représentation interne Mémorisation des relations spatiales entre les lieux Déplacement d un lieu à l autre sans but fixé Modèle interne = graphe Calcul de chemins entre deux lieux Planification Choix (optimal) d un chemin Limites : lieux et chemins connus au préalable nœud arête
14 14 Stratégies de navigation Navigation topologique A Obstacles Lieux mémorisés Zone inexplorée Possibilité de passer d un lieu à l autre D Trajectoire suivie par le robot
15 15 Stratégies de navigation 5. Navigation métrique Capacité étendue de la précédente Planification de chemins dans des zones inexplorées Informations à connaître Possibilité de passage d un lieu à l autre Positions métriques relatives des différents lieux Trajectoire Composition de vecteurs : aller d un lieu à l autre La possibilité de déplacement n a pas à être forcément connue sous forme de lien
16 16 Stratégies de navigation Navigation métrique A Obstacles Lieux mémorisés Zone inexplorée y x D Possibilité de passer d un lieu à l autre Trajectoire suivie par le robot Possibilité de passer d un lieu à l autre déduite de leur position relative
17 17 Stratégies de navigation: résumé 3 premières catégories Actions réflexes Navigation réactive Avantages Simple et pas de modèle global de l environnement Inconvénient Applications souvent restreintes Comportement essentiel : problèmes avec obstacles imprévus Monde vivant : stratégies insectoïdes (ex. abeilles)
18 18 Stratégies de navigation: résumé 2 dernières catégories Navigation globale Atteindre un but arbitraire de l environnement Modèle interne du monde Supporte la planification Mémoire spatial indépendante d un but Navigation par carte Monde vivant Haut niveau : l Etre humain Instinct : le rat
19 19 Biologically based artificial navigation systems: Review and prospects" O. Trullier, S.I. Wiener, A. Berthoz, J.-A. Meyer, Progress in Neurobiology, vol. 51, n. 5, pp , * 2 3 Place recognition- triggered response 4 5 *Taxis = motion/orientation of an organism in response to an external stimulus
20 20 Stratégies de navigation Conclusion partielle Homme, animal, robot mobile Cartes presque indispensables Mais construire et utiliser ces cartes est complexe Robots Mélange réactivité et planification (très) court terme long terme
21 21
22 Partie 2 : Architectures de contrôle 22
23 23 Architectures de contrôle Robot mobile : système complexe et exigeant Arbitrage à faire Exécution précise du plan pour atteindre le but Gestion des événements imprévus Outils Capteurs Effecteurs Ressources Besoin d un ensemble logiciel gérant les outils pour organiser la perception, la décision et l action
24 24 Architectures de contrôle 1. Contrôleurs hiérarchiques Vient de l IA (premiers pas ) Modèle du monde quasi parfait Fonctionnement Modélisation de l environnement Planification des actions Exécution du plan Limites Environnement statique Boucle de décision trop grande Pas de contrôle sur les actions Perception Planification Action
25 25 Architectures de contrôle 2. Contrôleurs réactifs Ensemble de comportements réactifs en parallèle Évitement d obstacle Déplacement aléatoire Déplacement vers un but Fuite d un point. Pas de modèle du monde Perception Action Idée utilisée aussi en animation par ordinateur ( boids ) Flocks, herds and schools: A distributed behavioral model, C.W. Reynolds, ACM SIGGRAPH Computer Graphics, vol. 21, n. 4, pp , 1987
26 26 Architectures de contrôle 2. Contrôleurs réactifs Avantages Rapide/robuste en environnement dynamique et complexe Pas de problème de modélisation de l environnement Efficacité pour une tâche donnée Inconvénients Tâches limitées Pas de planification possible Guidage Choisir la bonne action à exécuter au bon moment Problème de sélection de l action «solution» : hiérarchie des comportements
27 27 Architectures de contrôle 3. Contrôleurs hybrides Solution intermédiaire moderne Deux niveaux Haut : localisation, cartographie et planification Bas : exécution et réactivité Avantages Réactions rapides Planification d actions Planification Perception Action
28 Partie 3 : Navigation vers un but 28
29 29 Navigation vers un but Stratégies de navigation réactive Architectures purement réactives Module bas niveau d architecture hybride Qu utilisent ces architectures? Valeurs de capteurs Courantes ou faible fenêtre temporelle Pas de modèle interne Décision de l action à effectuer
30 30 Partie 3 : Navigation vers un but 1. Véhicules de Braitenberg (Catégorie 1)
31 31 Véhicules de Braitenberg «Vehicles: Experiments in Synthetic Psychology» Valentino Braitenberg, MIT press, 1986 Couverture Page 87
32 32 Véhicules de Braitenberg Robots extrêmement simples peuvent évoluer par l'ajout de capteurs, d'actionneurs et de connexions simulant des réseaux de neurones Malgré leur simplicité, les 14 versions de robots présentées dans le livre ont des comportements complexes et autonomes comme l'agression, l'attirance, la fuite (peur), etc. Version 1 (1 capteur, 1 actionneur) Version 2 (2 capteurs, 2 actionneurs)
33 33 Véhicules de Braitenberg Comportement pour rejoindre un but visible Robot: o Plateforme différentielle à deux roues, commandables en vitesse m 1 m 2 c 1 c 2 o Deux capteurs de lumière à l avant, BUT Architecture interne Liens capteurs-moteurs: v mi = f i (c 1,c 2 ),i {1, 2} c 1 La fonction Atteindre le but Fuir le but f i définit le comportement m1 c 2 m 2
34 34 Véhicules de Braitenberg Atteindre le but Fuir v mi = λ c j,i= j, i, j {1, 2}, λ > 0 v mi = λ c i, i {1, 2}, λ > 0 Remontée/descente de gradient sur l intensité de lumière (arrêt?) Simple contrôleur proportionnel
35 35 Partie 3 : Navigation vers un but 2. Modèle de Cartwright et Collet (Catégorie 2)
36 36 Modèle de Cartwright et Collet Snapshot model: utilisé par les abeilles* Atteindre un but défini par des amers autour Capacités de perception Direction des amers Taille des amers Le robot mémorise le but par la configuration des amers vus depuis sa position «snapshot» y x * Landmark maps for honeybees" B. Cartwright, T. Collett, Biological Cybernetics, vol. 57, n. 1-2, pp , 1987
37 37 Modèle de Cartwright et Collet Amers vus depuis le but Amer 1 Amer 2 Rétine à 360 o de l abeille Amer 3
38 38 Modèle de Cartwright et Collet Appariement Amer 1 Position courante Amer 2 Amer 3
39 39 Modèle de Cartwright et Collet Prise d image des amers Appariement amers perçus/mémorisés fin oui But atteint? non Comparaison des configurations courantes et mémorisées des amers Calcul des vecteurs liant les deux Combinaison des vecteurs Direction pour rejoindre le but Déplacement de longueur fixée dans la direction
40 40 Modèle de Cartwright et Collet Conclusion sur ce modèle Modèle simple à descente de gradient sur la configuration des amers pour atteindre le but Mais Ne fonctionne pas dans tout l environnement Choix crucial de la configuration des amers (ambiguïtés sont possibles) Qualité primordiale de l appariement des amers Si erreur, le vecteur de direction sera faux Facilité par un estimé préalable de l orientation du robot
41 41 Partie 3 : Navigation vers un but 3. Asservissement
42 42 Asservissement Rappel (cours d automatique) Consigne Erreur Correcteur Commande Fonction de transfert du procédé Mesure + _ r* e C u P y (ex. position) Concevoir le correcteur C pour générer une commande u qui garantit: lim t y(t) =r Asservissement = servoing en anglais
43 43 Asservissement visuel Commande en boucle fermée avec capteur visuel* Contrôle en utilisant des infos visuelles Système monoculaire, stéréo, omnidirectionnel Objectifs Positionnement face à un objet Son suivi Sa saisie (bras-robot) Navigation vers un but * Visual Servo Control, Part I: Basic Approaches, F. Chaumette, S. Hutchinson, IEEE Robotics and Automation Magazine, vol. 13, n. 4, pp , 2006
44 44 Asservissement visuel 3D Position-based control r : attitude (posit. et orien.) de la caméra par rapport au but Tâche : atteindre une situation r* de référence Beaucoup de méthodes basées sur un modèle 3D (partiellement) connu Avantage Commande non spécifique au capteur Inconvénient Difficile d estimer précisément la pose (bon modèle de capteur, bon calibrage, etc.) Couplage avec localisation
45 45 Asservissement visuel 2D Image-based control Utilisation directe des info visuelles de l image s Ex. points, segments, plans, épipôles, etc. Tâche spécifiée directement dans l image Atteindre des indices visuels de référence s* Loi de commande Contrôle le mouvement de la caméra Objectif : annuler l erreur s(t) - s* Pas de reconstruction 3D ni d estimation de pose Plus simple et robuste!
46 46 Asservissement visuel 2D
47 47 Asservissement visuel 2D Minimisation de l erreur Par une décroissance exponentielle (par ex.): On a La commande (le vecteur vitesse J + s ṡ = e(t) =s(t) s ė(t) = λ e(t), λ > 0 d s dt = s u, s = d u dt = J sv v(t) = λ J + s (s(t) s ) J s valeur de référence (const.), J s = jacobien de l image ) est determinée où est a la pseudo-inverse de (en fait n est pas nécessairement une matric carrée) J s v
48 48 Asservissement visuel 2D Le gros du travail Obtention de la relation liant les infos visuelles au mouvement de la caméra Dérivée des infos sensorielles s par rapport à la commande du robot Matrice d interaction ou jacobien de l image Solution possible: approche hybride, asserv. visuel 2 ½ D 2 ½ D visual servoing", E. Malis, F. Chaumette, S. Boudet, IEEE Trans. Robotics and Automation, vol. 15, n. 2, pp , 1999
49 49 Robotics Toolbox pour Matlab P. Corke (Queensland University of Technology ) Toolbox téléchargeable à l adresse: Liste complète des fonctions du toolbox: TD 3 (27 Nov ) Création et déplacement d un robot mobile Simulation du filtre particulaire pour la localisation Filtre de Kalman étendu pour la navigation
Robotique Mobile. David Filliat
Robotique Mobile David Filliat Avril 2012 David FILLIAT École Nationale Supérieure de Techniques Avancées ParisTech Robotique Mobile 2 Cette création est mise à disposition selon le Contrat Paternité-Pas
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailEnvironnement Architecture de controle. Décisions
Chapitre 1 Introduction 1.1 Robot Mobile Il existe diverses définitions du terme robot, mais elles tournent en général autour de celle-ci : Un robot est une machine équipée de capacités de perception,
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailIntroduction à l informatique temps réel Pierre-Yves Duval (cppm)
Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 -Définition et problématique - Illustration par des exemples -Automatisme:
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailPréparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS
Année 2004 THESE Préparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS En vue de l obtention du titre de Docteur de l Institut National Polytechnique de Toulouse Spécialité : Informatique
Plus en détailCIFA2006 La Commande Prédictive Visuelle
CIFA26 La Commande Prédictive Visuelle Guillaume Allibert, Estelle Courtial, Youssou Touré Laboratoire de Vision et Robotique - LVR Université d'orléans - Polytech'Orléans, 8 rue Léonard de Vinci, 4572
Plus en détailIntelligence artificielle et les défis en robotique mobile et autonome
Intelligence artificielle et les défis en robotique mobile et autonome Éric Beaudry http://planiart.usherbrooke.ca/~eric/ Étudiant au doctorat en informatique Laboratoires Planiart et Laborius 13 février
Plus en détailPrésenta)on des ac)vités de recherche de l équipe PR du laboratorie MIS
Localisa1on et Naviga1on de Robots M2 EEAII, parcours ViRob, A.U. 2014-2015 Présenta)on des ac)vités de recherche de l équipe PR du laboratorie MIS Fabio MORBIDI E-mail: fabio.morbidi@u-picardie.fr Laboratorie
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailIntroduction à la robotique Licence 1ère année - 2011/2012
Introduction à la robotique Licence 1ère année - 2011/2012 Laëtitia Matignon GREYC-CNRS Université de Caen, France Laetitia Matignon Université de Caen 1 / 61 Plan Définitions 1 Définitions 2 3 Robots
Plus en détailSystème à enseigner : Robot M.I.M.I. MultipodeIntelligent à Mobilité Interactive. Version 1.0
Système à enseigner : Robot M.I.M.I. MultipodeIntelligent à Mobilité Interactive Sommaire - Le Robot M.I.M.I. (Multipode Intelligent à Mobilité Interactive) - Présentation du Système à Enseigner. - Composition
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailDétection des deux roues motorisés par télémétrie laser à balayage
MEsure du TRAfic des deux-roues MOTOrisés pour la sécurité et l évaluation des risques Détection des deux roues motorisés par télémétrie laser à balayage Séminaire de mi parcours 11 mai 2012 CETE Normandie
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailPrésentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur
Présentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur Réalisé par : Bassem Besbes Laboratoire d Informatique, Traitement de l Information
Plus en détailExtrait des Exploitations Pédagogiques
Pédagogiques Module : Compétitivité et créativité CI Première : Compétitivité et créativité CI institutionnel : Développement durable et compétitivité des produits Support : Robot - O : Caractériser les
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailPLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION
PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION KEOPS Automation Espace Performance 2B, rue du Professeur Jean Rouxel BP 30747 44481 CARQUEFOU Cedex Tel. +33 (0)2 28 232 555 -
Plus en détailSociété de Geo-engineering
Gestion de la maintenance des réseaux le géoréférencement inertiel direct, technologie automatisée d'acquisition d'objets 2D / 3D vers les SIG Société de Geo-engineering Activité d'expertise et d'ingénierie
Plus en détailManipulateurs Pleinement Parallèles
Séparation des Solutions aux Modèles Géométriques Direct et Inverse pour les Manipulateurs Pleinement Parallèles Chablat Damien, Wenger Philippe Institut de Recherche en Communications et Cybernétique
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailAnalyse des trajectoires acceptables en approche de virage assistance aux conducteurs
DIVAS Analyse des trajectoires acceptables en approche de virage assistance aux conducteurs N 3.C.1 Décembre 2008 Projet financé par l Agence Nationale de la Recherche Responsable : S. Espié Projet ANR
Plus en détailMOTORISATION DIRECTDRIVE POUR NOS TELESCOPES. Par C.CAVADORE ALCOR-SYSTEM WETAL 2013 10 Nov
1 MOTORISATION DIRECTDRIVE POUR NOS TELESCOPES Par C.CAVADORE ALCOR-SYSTEM WETAL 2013 10 Nov Pourquoi motoriser un télescope? 2 Pour compenser le mouvement de la terre (15 /h) Observation visuelle Les
Plus en détailMonitoring continu et gestion optimale des performances énergétiques des bâtiments
Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et
Plus en détailSLAM Visuel 3D pour robot mobile autonome
Master de Sciences Mention «Imagerie, Robotique et Ingénierie pour le Vivant» - Projet de Fin D étude - SLAM Visuel 3D pour robot mobile autonome Romain Drouilly Encadrants ECA Benoit Morisset Pierrick
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailContributions à l expérimentation sur les systèmes distribués de grande taille
Contributions à l expérimentation sur les systèmes distribués de grande taille Lucas Nussbaum Soutenance de thèse 4 décembre 2008 Lucas Nussbaum Expérimentation sur les systèmes distribués 1 / 49 Contexte
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailHypervision et pilotage temps réel des réseaux IP/MPLS
Hypervision et pilotage temps réel des réseaux IP/MPLS J.M. Garcia, O. Brun, A. Rachdi, A. Al Sheikh Workshop autonomique 16 octobre 2014 Exemple d un réseau opérateur national 8 technologies : 2G / 3G
Plus en détailVoie SIS (2A M1) Signal, Informatique 05/06/2014
Voie SIS (2A M1) Signal, Informatique et Systèmes 05/06/2014 1ère des 2 années du cycle «smart system» système capable de : recevoir des données, des requêtes percevoir son propre état et/ou son environnement
Plus en détailCaches web. Olivier Aubert 1/35
Caches web Olivier Aubert 1/35 Liens http://mqdoc.lasat.com/online/courses/caching/ (prise en compte des caches dans la conception de sites) http://mqdoc.lasat.com/online/courses/proxyserver http://www.web-caching.com/mnot_tutorial/
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailBASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous :
BASE BioArray Software Environment (BASE) est une base de données permettant de gérer l importante quantité de données générées par des analyses de bio-puces. BASE gère les informations biologiques, les
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailAudition pour le poste de Maître de conférence INSA Lyon distributed Robotics avec aectation au CITI. Guillaume Lozenguez.
Audition pour le poste de Maître de conférence INSA Lyon distributed Robotics avec aectation au CITI Guillaume Lozenguez Chercheur post-doctorant, École Normale Supérieure de Lyon, CNRS Doctorat en cotutelle
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailIV - Programme détaillé par matière (1 fiche détaillée par matière)
IV - Programme détaillé par matière (1 fiche détaillée par matière) Matière : Asservissement numérique Introduction aux systèmes échantillonnés (signal échantillonné, échantillonnage idéal, transformation
Plus en détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailVisualisation d information interactive
Visualisation d information interactive Jean-Daniel Fekete & Frédéric Vernier INRIA Futurs/LRI & LIMSI Jean-Daniel.Fekete@inria.fr & Frederic.Vernier@limsi.fr Visualisation The eye the window of the soul,
Plus en détailCARTOGRAPHIE EN LIGNE ET GÉNÉRALISATION
CARTOGRAPHIE EN LIGNE ET GÉNÉRALISATION par Julien Gaffuri JRC IES SDI unit Via Enrico Fermi, 21027 Ispra, Italie Julien.Gaffuri@gmail.com Les cartes en ligne pourraient être améliorées par l utilisation
Plus en détailInxmail Professional 4.2
Inxmail Professional 4.2 Nouvelles fonctionnalités La version 4.2 d Inxmail Professional est disponible depuis juin 2012. Au programme : cinq nouveaux types de Mailings Trigger qui vous permettront de
Plus en détailLa Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1
La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailSIMULATION HYBRIDE EN TEMPOREL D UNE CHAMBRE REVERBERANTE
SIMULATION HYBRIDE EN TEMPOREL D UNE CHAMBRE REVERBERANTE Sébastien LALLECHERE - Pierre BONNET - Fatou DIOUF - Françoise PALADIAN LASMEA / UMR6602, 24 avenue des landais, 63177 Aubière pierre.bonnet@lasmea.univ-bpclermont.fr
Plus en détailÉVALUATION PRIMAIRE D UN SYSTÈME D AIDE AU CONTRÔLE AÉRIEN EN ROUTE
Proceedings of the SELF-ACE 001 Conference Ergonomics for changing work ÉVALUATION PRIMAIRE D UN SYSTÈME D AIDE AU CONTRÔLE AÉRIEN EN ROUTE CELLIER JEAN-MARIE Laboratoire Travail et Cognition (LTC), UMR
Plus en détailINTEGRATED TEST SUITE
INTEGRATED TEST SUITE PRÉSENTATION UNE TECHNOLOGIE HAUTES PERFORMANCES POUR DES APPLICATIONS D ESSAI PLUS FLEXIBLES ET PLUS CONVIVIALES WHAT MOVES YOUR WORLD CONÇU POUR RÉPONDRE À VOS BESOINS D AUJOURD
Plus en détailLes diagrammes de modélisation
L approche Orientée Objet et UML 1 Plan du cours Introduction au Génie Logiciel L approche Orientée Objet et Notation UML Les diagrammes de modélisation Relations entre les différents diagrammes De l analyse
Plus en détailLa nouvelle dimension de l analyse acoustique et vibratoire
La nouvelle dimension de l analyse acoustique et vibratoire HEAD Gallery Des fonctions innovantes intégrées dans une technologie de pointe ArtemiS suite est la solution logicielle intégrée de HEAD acoustics
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailLa visio-conférence holographique : Pourquoi? Comment?
La visio-conférence holographique : Pourquoi? Comment? Francis Felix Labo LSIS / Arts & Métiers Paritech (ENSAM) 2 Cours des Arts et Métiers 13100 Aix-en-Provence Thierry Henocque AIP-Primeca Dauphiné
Plus en détailEXERCICE 2 : SUIVI CINETIQUE D UNE TRANSFORMATION PAR SPECTROPHOTOMETRIE (6 points)
BAC S 2011 LIBAN http://labolycee.org EXERCICE 2 : SUIVI CINETIQUE D UNE TRANSFORMATION PAR SPECTROPHOTOMETRIE (6 points) Les parties A et B sont indépendantes. A : Étude du fonctionnement d un spectrophotomètre
Plus en détailEnergie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports. Luc Adolphe
Energie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports Luc Adolphe RÉDUCTION DES BESOINS ÉNERGÉTIQUES DANS LES TRANSPORTS. Contexte : Densité, Mobilité Réduire
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailUN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE
UN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE Cyril Noirel (1), Didier Theilliol (2), Christophe Aubrun (3), Jean Christophe
Plus en détailSolutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA. Xavier Brunotte info@vesta-system.
Solutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA Xavier Brunotte info@vesta-system.com Agenda Vesta-System et principe de son gestionnaire de son gestionnaire
Plus en détailTangibleData. Manipulation tangible et multitouch de bases de données
TangibleData Manipulation tangible et multitouch de bases de données Tangible Data est un environnement de manipulation et d exploration tangible de base de données pour extraire efficacement des informations
Plus en détailL autopartage en trace directe : quelle alternative à la voiture particulière?
L autopartage en trace directe : quelle alternative à la particulière? Résultats de la première enquête sur l impact d un service d autopartage en trace directe (le cas d Autolib ) Cette étude réalisée
Plus en détailCARACTéRISTIQUES du système IQ3xcite
IQ3XCITE Le système Présentation du système IQ3XCITE La surveillance et la gestion des bâtiments modernes gagnent en sophistication. Un système de «Gestion Technique et Energétique des Bâtiments» (GTEB)
Plus en détailCours n 12. Technologies WAN 2nd partie
Cours n 12 Technologies WAN 2nd partie 1 Sommaire Aperçu des technologies WAN Technologies WAN Conception d un WAN 2 Lignes Louées Lorsque des connexions dédiées permanentes sont nécessaires, des lignes
Plus en détailMétrologie réseaux GABI LYDIA GORGO GAEL
Métrologie réseaux GABI LYDIA GORGO GAEL Métrologie Définition : La métrologie est la science de la mesure au sens le plus large. La mesure est l'opération qui consiste à donner une valeur à une observation.
Plus en détailModélisation de la demande de transport
Modélisation de la demande de transport Logiciels pour la modélisation déplacements-trafic Fabien Leurent ENPC / LVMT Les Systèmes d Information Géographique Les boîtes à outils de planification Logiciels
Plus en détailSolution A La Gestion Des Objets Java Pour Des Systèmes Embarqués
International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des
Plus en détailProspective: Champ de gravité, méthodes spatiales
Prospective: Champ de gravité, méthodes spatiales Richard Biancale Conseil Scientifique du GRGS Observatoire de Paris, 10 avril 2008 L état de l art des modèles CHAMP: modèles 50 fois moins précis que
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Plus en détailLocalisation des points d accès sans fil non autorisés
Localisation des points d accès sans fil non autorisés Un point d accès non autorisé peut compromettre la sécurité du réseau de l entreprise en l exposant au monde extérieur. Pour remédier à cette menace,
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailACCESSNET -T IP Technique système TETRA d Hytera. www.hytera.de
Technique système TETRA d Hytera est la solution complète et performante pour toutes les applications de la téléphonie mobile professionnelle. www.hytera.de Bref aperçu Pour une communication TETRA professionnelle
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailSommaire. Couverture de zone de surveillance dans les réseaux de capteurs. De quoi parle-t-on ici (1/2)? Objectif. De quoi parle-t-on ici (2/2)?
ouverture de zone de surveillance dans les réseaux de capteurs Jean arle, Master Recherche Informatique Option Informatique Mobile 008-009 s Jean arle - Master Recherche Informatique 008-009 Objectif e
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailComplexité et auto-organisation chez les insectes sociaux. Complexité et auto-organisation chez les insectes sociaux
Complexité et auto-organisation chez les insectes sociaux Guy Theraulaz Centre de Recherches sur la Cognition Animale CNRS, UMR 5169, Toulouse, France Marathon des Sciences XXIII ème Festival d Astronomie,
Plus en détailAnalyse empirique et modélisation de la dynamique de la topologie de l Internet
Analyse empirique et modélisation de la dynamique de la topologie de l Internet Sergey Kirgizov Directrice de thèse: Clémence Magnien Complex Networks, LIP6, (UPMC, CNRS) Paris, 12 décembre 2014 Plan 1
Plus en détailSillage Météo. Notion de sillage
Sillage Météo Les représentations météorologiques sous forme d animation satellites image par image sont intéressantes. Il est dommage que les données ainsi visualisées ne soient pas utilisées pour une
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailClassification Automatique de messages : une approche hybride
RECIAL 2002, Nancy, 24-27 juin 2002 Classification Automatique de messages : une approche hybride O. Nouali (1) Laboratoire des Logiciels de base, CE.R.I.S., Rue des 3 frères Aïssiou, Ben Aknoun, Alger,
Plus en détailLES CARTES IAC. A partir du grade : et programme examen du grade et supérieurs
LES CARTES IAC A partir du grade : et programme examen du grade et supérieurs A partir du grade : et programme examen du grade et supérieurs 1. INTRODUCTION Nous allons présenter les cartes «Instrument
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détailAir Transat. Contexte. Buts. Défis. Solution. Industry Travelling, Transport
Air Transat www.airtransat.ca Industry Travelling, Transport Partner r42 communication Cooper Building 3981 boul. Saint-Laurent, suite 215 Montreal H2W1Y5 Quebec, Canada Ralph Spandl ralph@r42.ca Contexte
Plus en détailLes sciences de l ingénieur appliquées à la prise en charge du
Les sciences de l ingénieur appliquées à la prise en charge du cancer : enjeux et opportunités Début de cartographie des enjeux cliniques et technologiques gq Jean-François MENUDET, Cluster I-Care Cartographie
Plus en détail