Posts

Projet APIcampus : Ruches connectées

APIcampus est un projet interdisciplinaire impliquant des chercheurs en comportement animal (CRCA), en informatique (IRIT) et en électronique (LAAS). Ce projet vise à étudier le rôle des agents environnementaux stressants (ex : polluants, malnutrition, pesticides, parasites et pathogènes) sur la santé des abeilles. Dans le cadre de ce stage nous instrumentons cinq ruches avec des capteurs numériques pour enregistrer des paramètres internes et externes à la ruche. Les ruches sont déjà équipées de différents systèmes de mesure pour le poids, la température, l’humidité, l’acoustique, la luminosité et le vent. Notre mission est de développer deux systèmes de mesure de polluant, un pour l’air ambiant extérieur du rucher et un dans chaque ruche pour avoir une idée sur où les abeilles sont allées récolter le pollen. Il y aura également une caméra thermique pour localiser le couvain (œufs et larves) et un système de comptage à l’entrée de la ruche pour déterminer le nombre d’entrées et de sorties par les butineuses. Pour ce faire, nous avons mis en place des clapets qui laissent passer les abeilles dans un sens unique et qui bloquent complètement les prédateurs comme les frelons et les lézards.

S3P5

Objectifs scientifiques

Les ruches connectées permettront de :

 Identifier les combinaisons de facteurs environnementaux influençant la santé des colonies.

 Etudier les effets de ces facteurs sur la cognition des abeilles.

 Développer des outils de diagnostic et de prévision pour améliorer les pratiques des apiculteurs.

Contacts

apicampus.contact@univ-tlse3.fr

 

Smart Twins

L’objectif de ce projet est de développer une intelligence artificielle basée sur le paradigme multi-agent afin de contrôler des environnements peuplés de capteurs et d’effecteurs pour maximiser le confort des utilisateurs. Différentes contraintes sont à prendre en compte afin de résoudre ce problème comme le traitement des données en temps réel et l’adaptation du système aux différentes situations rencontrées. Les principaux défis liés à ce projet sont l’incapacité de prédire à l’avance l’ensembles des situations que le système va rencontrer et la capacité du système à s’adapter en temps réel aux utilisateurs. De manière plus générale le système devra être capable de s’adapter aux utilisateurs et d’apprendre leurs préférences.

S3P3

Figure 1 : « Mécanisme d’apprentissage multi-agent »

Objectifs scientifiques

Les objectifs de ce projet sont :

 De créer un système capable d’améliorer le confort des utilisateurs

 De créer un système multi-agent auto adaptatif qui ne nécessite aucune connaissance préalable

 De contrôler en temps réel un environnement connecté

Contacts

thomas.gandilhon@irit.fr

marie-pierre.gleizes@irit.fr

patrick.marquet@sogeti.com

 

Stratégies de caching dans l’Internet des Objets

La prolifération des objets connectés et la demande croissante d’une distribution fondée sur le contenu ont motivé le développement d'approches centrées sur les données. De nos jours, les personnes utilisent leurs appareils pour partager leurs propres contenus et ils sont intéressés par d’autres contenus sans avoir à se soucier de leur localisation. Pour faire face à cette demande, le concept de réseaux centrés sur l'information «Information-Centric Networking» a vu le jour. ICN propose une nouvelle architecture où les contenus sont récupérés en utilisant des noms de contenus uniques à la place des adresses de nœuds. Cette approche peut fournir un service d'infrastructure de réseau mieux adapté à l'utilisation actuelle en termes de distribution de contenus, de mobilité et de défaillances dans l’Internet des objets.

L’objectif de ce stage est de proposer une stratégie de caching qui tient compte des limitations des réseaux de capteurs. L’idée est d’utiliser des techniques de placement de données permettant de réduire les temps de réponses ainsi que l'énergie consommée par le réseau. 

S3P2

Figure 1 : « Stratégie de caching qui consiste à cacher sur la moitié du trajet »

Objectifs scientifiques

Les objectifs du stage sont :

 Etude des stratégies de caching existantes dans les réseaux de capteurs 

 Proposer une stratégie optimale pour le placement des contenus

 Evaluation de performance (Consommation d’énergie, diversité, stretch, délais, …)

 

Contacts

Ilyes.Fathallah@irit.fr, Ghada.Jaber@irit.fr, Rahim.Kacimi@irit.fr

 

 

Approches centrées sur les données pour les réseaux de capteurs.

La multiplication des appareils sans fil et l'évolution de la demande des services de distribution de contenus ont motivé le développement d'approches centrées sur les données. Le Content-Centric Networking (CCN) est une approche centrée sur les contenus permettant de récupérer les données sans faire référence à leurs emplacements. Le CCN appliqué au réseau de capteurs sans fil soulève certaines problématiques liées aux limitations de ce type d'environnement comme la transmission par inondation et le manque d’espace mémoire dans les capteurs. CCN permet la mise en cache des contenus pour réduire la congestion et améliorer la qualité de service du réseau.

S3P1

Figure 1 : « Réseau de capteurs fondé sur CCN pour un smart campus ».

Objectifs scientifiques

Les objectifs de la thèse sont :

 Appliquer le CCN dans les réseaux de capteurs et tirer profit de ses caractéristiques.

 Proposer une approche de mise à jour des contenus dans CCN pour capteurs.

 Optimiser la stratégie de diffusion des intérêts utilisateurs.

 Réduire la consommation d’énergie et maximiser la durée de vie du réseau.

 Optimiser le placement des contenus afin d'améliorer les performances du réseau.

Contacts

ghada.jaber@irit.fr, rahim.kacimi@irit.fr, thierry.gayraud@laas.fr

 

neOSensor | is there NOISE in my BU ?

Ces capteurs trouvent leur origine 2 ans plus tôt lorsque notre bibliothèque universitaire  nous a demandé s’il était possible de détecter la présence de bruit en un lieu et de faire remonter cette information rapidement. Après une première preuve de concept, nous avons décidé d’ajouter la mesure de paramètres ambiants tels que la luminosité et la température et d’intégrer ces nouveaux capteurs au réseau IoT neOCampus. Aujourd’hui ces capteurs très abordables (#15€) ont commencé à être déployés de manière opérationnelle et associés à une interface de consultation sur :

https://visu:visu@affluencesocampus.univ-tlse3.fr/#/dashboard

S2P12

Figure 1 : « la plateforme neOSensor à la BU Sciences »

Objectifs scientifiques

Les données issues des capteurs ne sont pas captives de neOCampus et ne transitent pas par des réseaux tiers. Les mises à jour de firmware se font automatiquement via le réseau WiFi. Ils ne sont pas autonomes en énergie et consomment environ 0,4w. La phase d’industrialisation fera certainement baisser le prix. Proposé en option, un module infra-rouge pourra signaler une présence. Par ailleurs, une mesure de la qualité de l’air (CO2, poussières, hygrométrie …) sera proposée. Enfin, la présence d’un nouveau capteur est immédiatement prise en charge par l’interface WEB sans nécessiter d’action utilisateur.

 

Contacts

étudiants : Mahmoud Morsy, Zhenyu BAI

Dr THIEBOLT François thiebolt@irit.fr

 

 

Apprentissage endogène par coopération

La transformation numérique actuelle demande la création d’applications autonomes et adaptables à des environnements ouverts, dynamiques, hétérogènes et imprédictibles. Ainsi, il faut doter ces systèmes de capacités d’apprentissage proactives. Pour cela, les Systèmes Multi-Agents Auto-Adaptatifs permettent de décentraliser le processus d’apprentissage en agentifiant les connaissances. Chaque granule de connaissance est alors autonome et coopère avec ses voisins afin de détecter des incohérences, des faiblesses ou des nouvelles zones à explorer pour perfectionner l’apprentissage. 

L’apprentissage proactif des granules autonomes conduit à créer de nouvelles connaissances par feedback endogène (sans feedback explicite de l’environnement). Les perspectives de ce travail sont de concevoir un mécanisme d’apprentissage adaptatif utilisable pour des applications diverses (robotique, véhicules autonomes, domotique …).

S2P11  S2P11bis  S2P11ter

Agentification et auto-organisation des granules de connaissance (pavés verts et bleus), identification 

des incohérences et insuffisances (pavés rouges et zones blanches), transfert et généralisation

Objectifs scientifiques

Les objectifs de la thèse sont :

 Conception d’un système auto-apprenant

 Apprentissage tout au long de la vie

 Génération d’objectifs et de motivations propres

 Généricité et passage à l’échelle

Contacts

bruno.dato@irit.fr, frederic.migeon@irit.fr, marie-pierre.gleizes@irit.fr

 

alertOCampus

Le campus de l’Université Paul Sabatier compte plus de 30 000 usagers. Le gaspillage de fluides (électricité, eau, air comprimé) y est inévitable mais pourrait être grandement amoindri grâce à un usage écoresponsable permis par l’utilisation des technologies numériques. Notre application légère et user-friendly permet à tous de s’impliquer dans la bonne gestion de leur campus en faisant remonter des informations importantes.

S2P10

Figure 1 : « Logo de l’application »

Objectifs

Les objectifs de l’application sont :

 Permettre aux usagers d’informer les services compétents

 Économiser l’énergie sur le campus

 Sensibiliser les usagers sur leur impact sur l’environnement

Contacts

alexandre.perles@irit.fr, marie-pierre.gleizes@irit.fr

 

cartOCampus, se déplacer facilement dans la faculté

L’université́ Paul Sabatier accueille quotidiennement des dizaines de milliers de personnes: étudiants, personnels ou professionnels. La faculté́ s'étend sur 264 hectares comprenant 407 000 m2 de surfaces bâties comprenant plus de 50 amphithéâtres et plus de 60 services (comme les secrétariats pédagogiques ou les sites de transport). En 2017 l'Université à accueilli plus d’une centaine de congrès et manifestations scientifiques. Ainsi, il est parfois difficile de se repérer sur le campus pour y retrouver une salle, un amphithéâtre ou même un bâtiment. cartOCampus répond à ces difficultés en proposant une application de trajet personnalisé sur smartphone.

S2P9

Figure 1 : « Logo de l’application»

Objectifs 

Les objectifs de l’application sont :

 Se repérer sur le campus

 Localiser un amphithéâtre, un bâtiment ou un service

 Proposer le trajet jusqu’au lieu souhaité

 Utilisation offline

 Application participative fondée sur OpenStreetMap

Contacts

maxime.durand1@univ-tlse3.fr, perles@irit.fr, dacosta@irit.fr 

 

Conception d'un moteur intelligent pour la composition logicielle opportuniste en environnement ambiant et mobile

Les systèmes ambiants et mobiles se composent d'appareils et de composants logiciels en réseau qui environnent les utilisateurs humains et leurs fournissent des services. L'intelligence ambiante vise à offrir un espace « intelligent » permettant à ces humains, dans leur vie quotidienne, d’accéder à l'information et aux services numériques embarqués dans les objets connectés et mobiles, et d’interagir avec eux d’une manière appropriée, naturelle et conviviale. A partir des services présents dans l'environnement, d'autres services peuvent être construits par composition et de manière opportuniste.

S2P8

Figure 1: Composition logicielle opportuniste.

Ce travail vise la construction ascendante et auto-adaptative de services et de leurs interfaces utilisateur. Le problème est de fournir le bon service au bon moment dans l’environnement dynamique et ouvert. L'objectif de la thèse est de concevoir et d'expérimenter un middleware intelligent de composition logicielle opportuniste qui construit des services émergents.

Objectifs scientifiques

 Conception d’un système décentralisé et distribué qui apprend et décide des compositions

 Prise en compte de l’utilisateur et des exigences liées aux interactions

 Prise en compte de la dynamique et de l’ouverture de l’environnement

 

Contacts

Walid Younes, Sylvie Trouilhet, Françoise Adreit, Jean-Paul.Arcangeli  -  Prenom.Nom@irit.fr

 

Multi-Agent System for Data Prediction and Cartography Approximation

La réalité d'un campus intelligent ou plus généralement d'une ville intelligente passe par une observation régulière de l'environnement par des capteurs ad-hoc. Ces capteurs permissent d’obtenir une connaissance des activités humaines et des conditions dans lesquelles ces activités sont menées. Cette connaissance a pour objectif d’agir dans l’environnement avec des dispositifs automatiques pour améliorer le bien-être des usagers. D’ailleurs, le déploiement d'un grand nombre de capteurs peut être coûteux. Les coûts sont principalement liés à l'installation, la maintenance et les infrastructures de capteurs dans les bâtiments existants. Pour ces raisons, l’objectif de cette thèse vise à réduire ces coûts en utilisant des informations partielles et intermittentes provenant de smartphones des usagers du campus de l’Université Toulouse III Paul Sabatier.

S2P7

Figure 1 : «On utilise les informations des dispositifs intermittents et mobiles pour fournir une estimation précise et une approximation de la cartographie de l'environnement »

Objectifs scientifiques

Les objectifs sont :

• Apprendre à partir de données brutes, imprécises et intermittentes sans feedback

• Fournir les informations en continu, même si aucun capteur ad hoc n'est pas disponible

• Utiliser de nombreux dispositifs intermittents et mobiles pour éviter l'installation de nouveaux capteurs ad hoc

Contacts

Davide Andrea Guastella, Valérie Camps, Marie-Pierre Gleizes, {davide.guastella, camps, gleizes}@irit.fr

 

Back to Top