Détection hors distribution avec des modèles de fondation de vision et des méthodes post-hoc
Le sujet de thèse se concentre sur l'amélioration de la fiabilité des modèles de deep learning, en particulier dans la détection des échantillons hors distribution (OoD), qui sont des points de données différents des données d'entraînement et peuvent entraîner des prédictions incorrectes. Cela est particulièrement important dans des domaines critiques comme la santé et les véhicules autonomes, où les erreurs peuvent avoir des conséquences graves. La recherche exploite les modèles de base de la vision (VFMs) comme CLIP et DINO, qui ont révolutionné la vision par ordinateur en permettant l'apprentissage à partir de données limitées. Le travail proposé vise à développer des méthodes qui maintiennent la robustesse de ces modèles pendant le fine-tuning, garantissant qu'ils peuvent toujours détecter efficacement les échantillons OoD. En outre, la thèse explorera des solutions pour gérer les changements de distribution des données au fil du temps, un défi courant dans les applications du monde réel. Les résultats attendus incluent de nouvelles techniques pour la détection OoD et des méthodes adaptatives pour les environnements dynamiques, améliorant ainsi la sécurité et la fiabilité des systèmes d'IA dans des scénarios pratiques.
Apprentissage multimodal distribué pour la localisation et la classification coopératives de sources acoustiques
Dans de nombreux environnements complexes, tels que les sites industriels, bâtiments sinistrés, espaces publics, il est nécessaire de détecter et localiser automatiquement des événements sonores (chutes, alarmes, voix, pannes mécaniques). Les plateformes mobiles équipés de caméras et de microphones constituent une solution prometteuse, mais une seule plateforme reste limité : son réseau de microphone donne une direction approximative vers la source, mais pas une position précise dans l'espace, et sa caméra peut être obstruée. Ce sujet propose d'étudier comment des multi-plateformes, chacune portant une unité audio-visuelle calibrée, peuvent collaborer pour localiser et classifier ces événements en 3D. Chaque plateforme analyse ses propres observations audio-visuelles et partage une estimation de la direction de la source avec ses voisines ; le réseau combine ensuite ces estimations pour reconstruire la position de l'événement et l'identifier. Les résultats attendus sont un système de localisation coopérative robuste aux occultations et aux défaillances partielles.
Optimisation et contrôle de la température dans les systèmes pile à combustibles
Les piles à combustible à membranes échangeuses de proton (PEMFC) représentent une technologie clé pour le développement de systèmes énergétiques propres et durables, en particulier pour des applications lourdes dans le transport où leur densité énergétique est très intéressante. Néanmoins, afin de représenter une alternative industrielle viable, un certain nombre de verrous doit encore être levé parmi lesquelles les coûts d’exploitation et surtout la durabilité des systèmes en conditions réelles d’usage. Parmi les leviers d’action, l’optimisation des conditions opératoires est une piste prometteuse pour limiter les phénomènes de dégradations ayant lieu au sein de la pile. La température de fonctionnement est en particulier un paramètre clé car elle intervient à toutes les échelles : de la cinétique des mécanismes de dégradation à la capacité thermique que le système peut dissiper, en passant par l’équilibre en eau au sein de la pile. Malgré l’influence de ce paramètre sur la durabilité, celle-ci n’est généralement optimisée à l’échelle système que pour obtenir les meilleures performances, le temps de réponse le plus court possible et limiter la taille du système de gestion thermique.
L’objectif de cette thèse est de travailler à l’optimisation de la gestion de température d’une pile à combustible au sein d’un système en prenant en compte non seulement le critère de performances mais aussi celui de la durabilité. Pour ce faire l’impact de la température de fonctionnement sur les mécanismes de dégradation sera analysée à l’aide des différents outils de simulation déjà présents au sein du LITEN et de la quinzaine d’années d’expérience des équipes sur l’étude de la dégradation des piles à combustible PEMFC. Différentes architectures thermiques seront proposées et évaluées en lien avec les travaux d’optimisation des lois de contrôle de la température. Ces dernières pourront être mise en œuvre sur un système pile à combustible réel dans le but de démontrer la pertinence de la solution proposée par des données expérimentales concrètes.
Navigation Multicritères d’un Agent Mobile appliquée à la robotique d’investigation nucléaire
Dans les environnements dangereux ou inaccessibles à l’homme, la robotique mobile joue un rôle essentiel pour assurer l’inspection, l’intervention et la collecte de données. Cependant, naviguer dans ces milieux complexes ne consiste pas seulement à éviter les obstacles : les robots doivent aussi composer avec des zones sans réseau, des sources de contamination, des contraintes énergétiques et des cartes incomplètes. Une première thèse (2023-2026) a introduit une méthodologie de navigation multicritères fondée sur la superposition cartographique et l’agrégation pondérée de contraintes, démontrant la faisabilité d’une planification adaptée en environnement statique simulé.
La thèse proposée visera à étendre cette approche aux environnements dynamiques et partiellement inconnus, nécessitant une prise de décision adaptative en temps réel. Le travail s’appuiera sur des outils de robotique mobile, de fusion de données et d’intelligence décisionnelle, ainsi que sur des moyens expérimentaux permettant des validations réalistes. L’objectif est de rapprocher la navigation robotique des conditions réelles rencontrées dans les chantiers de démantèlement nucléaire, et plus largement dans tous les environnements industriels à risque. Cette thèse offrira au doctorant(e) un environnement de recherche actif, des collaborations pluridisciplinaires et des perspectives solides dans les domaines de la robotique autonome et de la sûreté d’intervention.