Thèses soutenues en 2023

Antoine LIMA

Le mercredi 3 mai 2023 à 9h au centre d'innovation de l’université de technologie de Compiègne.

Membres du jury :

• M. Rémi BOUTTEAU, professeur des universités, membre rapporteur Laboratoire LITIS, Université Rouen Normandie, St Etienne du Rouvray
• M. Romuald AUFRERE, maître de conférences, membre rapporteur Institut Pascal, Université Clermont Auvergne, Aubière
• M. Fawzi NASHASHIBI, directeur de recherche, membre examinateur INRIA Paris Rocquencourt
• M. Clément ZINOUNE, ingénieur de recherche, membre examinateur Renault, Le Val d’Hazey
• M. Franck DAVOINE, directeur de recherche, membre examinateur Heudiasyc, Université de Technologie de Compiègne
• Mme Véronique CHERFAOUI, professeur des universités, directrice de thèse Heudiasyc, Université de Technologie de Compiègne
• M. Philippe BONNIFAIT, professeur des universités, directeur de thèse Heudiasyc, Université de Technologie de Compiègne
• Mme Joëlle AL HAGE, maître de conférences Heudiasyc, Université de Technologie de Compiègne

Résumé :

Autonomous vehicle navigation is an emerging technology expected to bring safer and more efficient transportation in the upcoming years. In order to navigate in complex and dynamic environments such as roads, Autonomous Vehicles (AVs) first need to perceive their surroundings. The safety and comfort of navigation is thus directly dependent on the quality of perception. To enhance and augment their perception, AVs can share what they see with each other in a process called cooperative perception. Using wireless technologies, AVs can indeed communicate complex information over large distances, virtually seeing through obstacles and further than would physically be possible alone.
However, opening to such an outside influence is not without risk. A missed, inaccurate or false detection might result in dangerous driving situations for the vehicles. In this PhD, we study problems that degrade the integrity of perception information especially when it is cooperative. We study what leads to these problems and how to prevent them by using adapted methods and tools. In particular, we focus on three fundamental features of cooperative perception systems: Data fusion of tracked objects, representation of the areas observed by each peer's perception system and estimation of the trustworthiness of the peers with respect to each other.
In a cooperative system, information exchange loops can lead to poorly estimated object poses with underestimated uncertainty bounds. To prevent this issue, we compare several filtering methods such as the Kalman filter, the Covariance Intersection Filter (CIF) and the Split Covariance Intersection Filter (SCIF) on simulated and real data. Our results show that the SCIF gives the best performance and can efficiently handle unknown correlations of the estimation errors, even compared to a combination of KF for standalone data and CIF for cooperative data.
In a multi-sensor perception system, representing the area covered by each sensor can be used by the data fusion algorithm to represent where each sensor can detect objects. High integrity perception systems also have to manage the absence of objects with what is called free space, which is particularly useful to autonomous navigation systems. We combine the coverage and free space ideas and extend them to cooperative perception with detectability grids. They densely represent the space where each peer can detect objects but also where it can detect their absence. It is based on belief functions and combines sensor fields of view, a static description of the environment and free space measurements from the sensors. It is shown how multiple detectability grids can be combined between sensors and vehicles to obtain a wider knowledge of the surroundings. It is then studied how these grids can be used in object tracking and in trust estimation.
Finally, to include remotely perceived objects and free space to its own perception, each vehicle has to manage the trust it has in others. A trustworthy peer is one whose information matches with that of others, and as such its information can be integrated and fused without further consideration. On the other hand, if a peer information seems incoherent or does not match with others, then it might be malicious or malfunctioning and its information should be taken with care. We present a formulation of this problem based on belief functions. We propose an evidential network which is here a simple tree to combines evidence from error detection and positive reinforcement. The effectiveness of this method is evaluated on three real cooperative navigation situations.
Experiments have been conducted and all above methods have been evaluated on real-life data. A car and a road-sign detector based on a multi-layer LiDAR have been developed and multiple cooperative datasets composed of at least three vehicles have been recorded.

Guillaume BEDUNEAU

Le vendredi 31 mars 2023 à 14h à l’université de technologie de Compiègne (Amphi L103).

Membres du jury :

• M. Hervé RIVANO, professeur, membre rapporteur INSA Lyon, Villeurbanne
• M. Sidi-Mohamed SENOUCI, professeur, membre rapporteur ISAT, Université de Bourgogne, Nevers
• Mme Reine TALJ, chargé de recherche, membre examinateur Heudiasyc, Université de Technologie de Compiègne
• Mme Véronique VEQUE, professeur, membre examinateur CentraleSupélec, Gif-sur-Yvette
• M. Bertrand DUCOURTHIAL, professeur, directeur de thèse Heudiasyc, Université de Technologie de Compiègne
  
  

Résumé :

L’arrivée de technologies de plus en plus avancées dans les véhicules du quotidien permet, depuis plusieurs décennies, d’améliorer le confort des usagers de la route et leur sécurité. Ces technologies permettent également d’échanger des informations entre véhicules (communications Véhicule à Véhicule V2V) ou avec l’infrastructure routière (communications Véhicule à Infrastructure V2I). Des applications coopératives destinées à améliorer la sécurité routière ou à optimiser l’utilisation du réseau routier peuvent alors se baser sur de tels échanges.
Pour la sécurité de leurs utilisateurs, on attend de ces applications qu’elles
soient réactives et aient un comportement prédictible. En effet, les conséquences d’un comportement erratique d’une application coopérative de sécurité peuvent être désastreuses, tandis que son utilité est limitée si sa trop faible réactivité ne permet pas d’anticiper suffisamment les risques.
Dans ce contexte, cette thèse cherche comment assurer la validation des applications de coopération entre véhicules au sein d’un réseau routier déjà complexe.
En effet, la validation des applications véhiculaires coopératives pose différents problèmes. Elle peut être théorique, par exemple à travers une preuve de l’algorithme, mais cette approche s’avère parfois manquer de réalisme. Cela la rend alors peu représentative du comportement de l’application au cours d’un déploiement réel. La validation empirique d’une application est possible mais ces expériences sont souvent difficiles à extrapoler à un déploiement réel. Leur coût et les difficultés logistiques qu’elles imposent sont également parfois dissuasifs.
Les difficultés de validation d’applications véhiculaires coopératives nous
conduisent ensuite à proposer une méthode de prédiction de performance conçue pour simplifier une telle validation. Cette méthode est basée sur une observation réelle de réseau véhiculaire et sur une analyse théorique du fonctionnement de l’algorithme de coopération. Une évaluation empirique de la méthode de prédiction proposée est également menée, afin d’en vérifier l’efficacité. Elle est finalement appliquée dans un cas concret, démontrant son fonctionnement face à un réel problème de sécurité routière identifié par la communauté scientifique qui concerne l’amélioration de la sécurité des piétons sur la route.

Tristan DE BLAUWE

Le mercredi 29 mars 2023 à 14h00 à l’université de technologie de Compiègne (salle GI042).

Membres du jury :

• M. Sébastien PICAULT, chargé de recherche, membre rapporteur Oniris, équipe DYNAMO, Nantes
• M. Laurent VERCOUTER, professeur, membre rapporteur INSA Rouen, LITIS, Saint Etienne du Rouvray
• Mme Julie DUGDALE, professeur, membre examinateur Laboratoire d’informatique de Grenoble, IMAG, St Martin d’Hères
• Mme Valérie GOURANTON, maître de conférences, membre examinateur INSA Rennes, IRISA et INRIA, Rennes
• M. Sylvain LAGRUE, professeur, membre examinateur Heudiasyc, Université de Technologie de Compiègne
• Mme Domitile LOURDEAUX, professeur, directrice de thèse Heudiasyc, Université de Technologie de Compiègne
• M. Nicolas SABOURET, professeur, directeur de thèse LISN, Université Paris-Saclay, Gif sur Yvette

Résumé :

Les recherches effectuées lors de cette thèse traitent de la génération de comportements
d’agents virtuels. C’est-à-dire de la construction de modèles informatiques pour déterminer les actions qu’un agent doit effectuer au sein d’un environnement virtuel, de manière à reproduire les actions et les réactions d’un humain dans la situation simulée. Nous appliquons notamment ces travaux dans le contexte de la formation professionnelle [Barot, 2014, Huguet et al., 2016, Silverman et al., 2012] pour entraîner des opérateurs lors de situations de crise.
La littérature en informatique propose de nombreux modèles d’agent qui intègrent des dimensions humaines dans le fonctionnement de l’agent, comme les émotions, en combinant certains modèles cognitifs issus de la littérature des Sciences Humaines et Sociales (SHS).
Notre objectif est de faciliter la conception de tels modèles informatiques. Nous souhaitons une approche générique facilitant l’intégration modulaire de modèles cognitifs dans des modèles d’agents quelconques et ceux pour générer des comportements représentatifs, sensibles et intelligibles.
Nous proposons un méta-modèle qui abstrait un modèle d’agent sous forme de cinq concepts : Operation, Perception, Action, Caractéristiques et Knowledge (connaissances). Les modèles cognitifs peuvent affecter modulairement ces cinq concepts, grâce à leur composabilité. Nous posons aussi le moins d’hypothèses possibles sur le modèle d’agent et les modèles cognitifs.
Ensuite, pour compléter le méta-modèle et nos objectifs de génération de comportements sensibles et intelligibles, nous proposons une seconde contribution : un mécanisme de sélection d’action par graphes d’influences et de préférences. Ce moyen a l’avantage d’être intelligible par sa nature visuelle et de faciliter la prise en compte de manière modulaire de nouveaux comportements sur la sélection.
Enfin, nous proposons une implémentation de notre méta-modèle, au travers d’une bibliothèque pour la simulation d’agents virtuels multi-paradigmes [Picault and Sicard, 2020]. Nous n’imposons pas le paradigme associé aux agents, qui peut aussi changer dynamiquement lors de la simulation. Nous employons une approche de design orientée-données (DOD), avec l’utilisation d’une méthode appelée ECS, plutôt qu’une approche orientée-objet (POO), dans le but d’améliorer les performances.
Nous avons montré lors d’une évaluation de la sensibilité que les modèles cognitifs affectent le comportement de l’agent de manière cohérente par rapport aux propriétés des modèles cognitifs introduits. Nous montrons ensuite, lors d’une évaluation de l’intelligibilité et de la représentativité, que les utilisateurs ont perçus la différence de comportements et que les explications construites à partir des modèles cognitifs ont été perçues comme pertinentes. Nous avons aussi appliqué nos travaux dans un contexte de formation professionnelle dans le cadre du projet ORCHESTRAA. Enfin, les résultats de notre évaluation de performances de notre bibliothèque vis-à-vis d’autres plate-formes de la communauté des systèmes multi-agents, montrent que notre implémentation est constamment plus rapide, souvent de plusieurs ordres de grandeur dans certains cas.

Sana BENHAMAID

Le mardi 14 mars 2023 à 9h30 à l’université de technologie de Compiègne (salle GI042).

Membres du jury :

• M. Lyes KHOUKHI, professeur des universités, membre rapporteur ENSICAEN, GREYC Lab/SAFE Team, Université de Normandie, Caen
• Mme Valeria LOSCRI, chargée de recherche, membre rapporteur INRIA Lille Europe, Villeneuve d’Ascq
• M. Marcelo DIAS DE AMORIM, directeur de recherche, membre examinateur Sorbonne Université Paris
• M. Aziz MOUKRIM, professeur des universités, membre examinateur Heudiasyc, Université de Technologie de Compiègne
• M. Abdelmadjid BOUABDALLAH, professeur des universités, directeur de thèse Heudiasyc, Université de Technologie de Compiègne
• M. Hicham LAKHLEF, maître de conférences, directeur de thèse Heudiasyc, Université de Technologie de Compiègne

Résumé :

The Internet of Things (IoT) is a rapidly growing field that has the potential to revolutionize the way we live and work. However, each evolution is accompanied by its share of challenges. One of the primary challenges facing the IoT is the critical energy consumption of IoT networks. Therefore, it is of paramount importance to minimize the energy consumption within IoT networks in order to extend the lifetime and reduce their environmental impact.
Green IoT involves the development and deployment of software and hardware solutions that are designed to minimize the environmental impact and promote the sustainability of IoT. This area has received increasing attention in recent years from both the industry and academia. In the first part of this thesis, we present our first contribution to the Green IoT. We provide a deep study and analysis of the most recent approaches in this field as well as discussions and recommendations on the combination of these approaches with the major IoT applications. In the second part of this thesis, we present our contributions to Green IoT through mobility-based data collection. Mobility-based data collection refers to employing moving platforms, such as cars, buses, and drones, to collect data from IoT devices. While most of the related works usually rely on static trajectory planning approaches and assume that the mobile platform has complete knowledge of the environment. In this thesis, we focused on achieving an intelligent, energy-efficient, and adaptive trajectory planning for a the mobile platform in a dynamic environment where little prior information is available (no previous data set). The environment is also subject to changes (cluster mobility, etc). To achieve this goal, we propose novel trajectory planning approaches based on deep reinforcement learning where the mobile platform learns from experience without the need for a previous data set and adapts its trajectory to the changes in the environment in order to maximize the amount of collected data and minimize its energy consumption.

Augustin VIOT

Le lundi 13 mars 2023 à 13h30 à l’université de technologie de Compiègne (salle GI042).

Membres du jury :

• M. Benjamin LUSSIER, enseignant chercheur, membre examinateur Heudiasyc, Université de Technologie de Compiègne, Compiègne
• Mme Elena BOTOEVA, maître de conférences, membre examinateur University of Kent, Royaume-Uni
• Mme Véronique CHERFAOUI, professeur des universités, membre examinateur Heudiasyc, Université de Technologie de Compiègne, Compiègne
• M. Luca PULINA, professeur, membre rapporteur Università di Sassari, Dipartimento di scienze umanistiche e sociali, Sassari, Italie
• M. Jérémie GUIOCHET, professeur des universités, membre rapporteur LAAS-CNRS, Toulouse
• M. Walter SCHÖN, professeur des universités, directeur de thèse Heudiasyc, Université de Technologie de Compiègne, Compiègne
• M. Armando TACCHELLA, professeur, directeur de thèse Universita’ degli Studi di Genova, Dipartimento di Informatica, Genova
• Invité : M. Stéphane GERONIMI, encadrant de la thèse CIFRE Stellantis, Vélizy-Villacoublay

Résumé :

Les recherches effectuées lors de cette thèse traitent de la génération de comportements d’agents virtuels. C’est-à-dire de la construction de modèles informatiques pour déterminer les actions qu’un agent doit effectuer au sein d’un environnement virtuel, de manière à reproduire les actions et les réactions d’un humain dans la situation simulée. Nous appliquons notamment ces travaux dans le contexte de la formation professionnelle [Barot, 2014, Huguet et al., 2016, Silverman et al., 2012] pour entraîner des opérateurs lors de situations de crise.
La littérature en informatique propose de nombreux modèles d’agent qui intègrent des dimensions humaines dans le fonctionnement de l’agent, comme les émotions, en combinant certains modèles cognitifs issus de la littérature des Sciences Humaines et Sociales (SHS).
Notre objectif est de faciliter la conception de tels modèles informatiques. Nous souhaitons une approche générique facilitant l’intégration modulaire de modèles cognitifs dans des modèles d’agents quelconques et ceux pour générer des comportements représentatifs, sensibles et intelligibles.
Nous proposons un méta-modèle qui abstrait un modèle d’agent sous forme de cinq concepts : Operation, Perception, Action, Caractéristiques et Knowledge (connaissances). Les modèles cognitifs peuvent affecter modulairement ces cinq concepts, grâce à leur composabilité. Nous posons aussi le moins d’hypothèses possibles sur le modèle d’agent et les modèles cognitifs.
Ensuite, pour compléter le méta-modèle et nos objectifs de génération de comportements sensibles et intelligibles, nous proposons une seconde contribution : un mécanisme de sélection d’action par graphes d’influences et de préférences. Ce moyen a l’avantage d’être intelligible par sa nature visuelle et de faciliter la prise en compte de manière modulaire de nouveaux comportements sur la sélection.
Enfin, nous proposons une implémentation de notre méta-modèle, au travers d’une bibliothèque pour la simulation d’agents virtuels multi-paradigmes [Picault and Sicard, 2020]. Nous n’imposons pas le paradigme associé aux agents, qui peut aussi changer dynamiquement lors de la simulation. Nous employons une approche de design orientée-données (DOD), avec l’utilisation d’une méthode appelée ECS, plutôt qu’une approche orientée-objet (POO), dans le but d’améliorer les performances.
Nous avons montré lors d’une évaluation de la sensibilité que les modèles cognitifs affectent le comportement de l’agent de manière cohérente par rapport aux propriétés des modèles cognitifs introduits. Nous montrons ensuite, lors d’une évaluation de l’intelligibilité et de la représentativité, que les utilisateurs ont perçus la différence de comportements et que les explications construites à partir des modèles cognitifs ont été perçues comme pertinentes. Nous avons aussi appliqué nos travaux dans un contexte de formation professionnelle dans le cadre du projet ORCHESTRAA. Enfin, les résultats de notre évaluation de performances de notre bibliothèque vis-à-vis d’autres plate-formes de la communauté des systèmes multi-agents, montrent que notre implémentation est constamment plus rapide, souvent de plusieurs ordres de grandeur dans certains cas.

Ling HUANG

Le lundi 27 février 2023 à 10h à l'université de technologie de Compiègne (GI-042).