Réalisations

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

 

Système Multi-Agents pour la détection d’anomalies dans les bâtiments intelligents

    Le nombre de capteurs dans les bâtiments ne cesse d'augmenter, grâce à des coûts plus accessibles et à l'intérêt évident de leur utilisation pour une gestion optimisée. Dans cette thèse nous nous intéressons  à l'utilisation des données issues de ces capteurs dans le but de détecter des anomalies dans les bâtiments. Ces données peuvent être de types inconnus et hétérogènes, et sont très nombreuses. 

    Une anomalie est définie comme un comportement inattendu et indésirable dans un système et peut dépendre du contexte. Afin de pouvoir déployer un système de détection d'anomalies le plus largement possible, il est nécessaire de minimiser la quantité de travail requise des divers experts intervenant dans notre domaine tout en respectant le principe d'ouverture permettant ainsi un usage continu du système dans le temps. Pour répondre à ces problématiques, un ou des systèmes à base de systèmes multi-agents coopératifs implémentant la théorie des AMAS seront développés et permettront la détection d'anomalies par apprentissage supervisé. Le système de détection d'anomalies doit tirer parti des retours d'un ou plusieurs experts qui étiquettent certaines instances comme normales ou anormales, cette connaissance est la seule ressource disponible au système pour l'apprentissage. L'apprentissage est une propriété émergente du système qui s'opère par des réorganisations du système multi-agents grâce à partir des retours d'experts. 

S2P6

Figure 1 : Le système classe les évènements

Objectifs scientifiques

 Améliorer l’efficacité énergétique

 Détecter les anomalies en temps réel

 Apprendre en continu grâce aux retours d’un expert

 Concevoir un système générique pour traiter toutes les données issues des bâtiment

Contacts

maxime.houssin@irit.fr

 

Système de navigation pour des personnes en situation de handicap moteur

Le stage s'intègre dans un projet concernant le développement d'un outil d'assistance aux déplacements, destiné à des personnes rencontrant des difficultés dans leurs déplacements au quotidien.

 Les personnes  en situation de handicap dépendent d'une infrastructure personnalisée, par exemple, des rampes conçues pour les fauteuils roulants. Grâce à cette infrastructure, ils peuvent se déplacer et accéder à des lieux d'intérêt. Il est fréquent que les personnes en situation de  handicap conçoivent un itinéraire rigide en fonction de la disponibilité de cette infrastructure. Malheureusement, il y a des moments où des obstacles peuvent être présents, qui empêchent une personne en situation de handicap d'utiliser cette infrastcture, par exemple, une voiture qui bloque l'accès à une rampe. L'idée proposée, repose sur des données satellites afin de surveiller périodiquement l'infrastructure, d'identifier les obstacles potentiels et de proposer éventuellement des itinéraires alternatifs. La mission du stage se concentre sur la zone du campus de l'université Paul Sabatier définie au préalable et déjà cartographiée.Le système aide ses utilisateurs à se déplacer en autonomie, tout en évitant les parcours gênants, et parfois infranchissables, ainsi qu’il doit être mis à jour dynamiquement grâce à la collaboration d’utilisateurs, en situation de handicap ou non, qui pourront signaler des obstacles au jour le jour.

S2P5

Figure : « Accessibilité à travers des géo-données »

Objectifs scientifiques

Les objectifs du protocole sont :

 La mise à jour dynamique grâce à la collaboration des utilisateurs,

 Un fonctionnement sur smartphone, afin d'être utilisé dans un contexte de mobilité.

Contacts

veronique.gaildrat@irit.fr,  cedric.sanza@irit.fr, frederic.vella@irit.fr

 

 

RECOVAC : conditions de REprise de COntrôle par auto-observation des situations au sein d’un Véhicule Autonome Connecté

Les véhicules autonomes connectés de niveau 3 sont des véhicules pour lesquels le conducteur délègue la conduite dans des situations bien définies Au cours de ces situations, il peut être nécessaire que l’humain reprenne le contrôle. L’objectif principal de ce stage est de développer un système permettant la transition sûre et efficace du contrôle dans les deux sens entre l’humain et le véhicule autonome. 

Pour cela, le système doit identifier par auto-observation et en temps réel des situations dans lesquelles le véhicule ne sera plus en mesure d’assurer la conduite. Il doit donc proposer un contexte permettant d’évaluer le plus rapidement possible la criticité d’une situation afin de l’anticiper et d’y réagir au mieux. Ce contexte se compose des données environnementales captées par le véhicule ainsi que des données calculées par le véhicule lui-même. Le système est basé sur les systèmes multi-agents auto-adaptatifs apprenants. 

S2P4

Figure 1 : Détection et communication entre véhicules autonomes connectés https://commons.wikimedia.org/w/index.php?curid=44189986

Objectifs scientifiques

Les objectifs du stage sont :

 Détection automatique de situations anormales

 Apprentissage dynamique

 Conception d’un environnement synthétique d’expérimentations

Contacts

kristell.aguilar-alarcon@irit.fr, elsy.kaddoum@irit.fr

 

 

Flottilles de drones par système multi-agent auto-adaptatif

Les technologies de drones ont un potentiel très important dans un contexte industriel. De nombreuses missions de contrôle d’installations ou de surveillance de zones peuvent être optimisées par l’utilisation de ces technologies.

Cependant, la diversité des missions et des environnements est un frein majeur à l’utilisation massive des drones. Les problématiques posées sont l’hétérogénéité et la prise de décision autonome dans des environnements difficiles où des évènements exogènes se produisent. Dans ce contexte, le paradigme des systèmes multi-agents, et en particulier les systèmes dits « auto-adaptatifs » permettent de traiter une partie du problème.

Ce projet porte sur la mise en œuvre et l’expérimentation d’algorithmes pour des systèmes multi-agents auto-adaptatifs sur des cas d’utilisation industriels de flottilles de drones.

S2P3

Figure 1 : « Simulation d’une flottille de drone en 3D»

Objectifs scientifiques

Les objectifs des flottilles de drones sont :

 Effectuer des missions en coopération

 S’adapter en cas d’incident

 Avoir une complète autonomie

Contacts

guilhem.marcillaud@irit.fr, henri.garih@scalian.com, frederic.migeon@irit.fr 

 

Back to Top