L'équipe SIAM (Signal, Image, AutoMatique) est une équipe interdisciplinaire dont les recherches s’articulent autour des quatre étapes indispensables à l’étude générale d’un système que sont la perception, l’observation, la modélisation et la commande. Les deux types de systèmes visés pour l’application de ces méthodes sont principalement les véhicules et les systèmes biologiques. Les comportements hors normes des systèmes étudiés ainsi que la prise en compte de leur autonomie conduisent les chercheurs de l’équipe à mettre en œuvre des méthodes originales sur des aspects très variés : comportement en limite de sécurité pour les véhicules, véhicule aérien plus léger que l’air, coopération d’engins autonomes, mobilité des cellules en phase améboïde et prise en compte du micro-environnement.

Cette expertise participe à la définition de l’équipe et à son rayonnement. S’appuyant sur des applications hétérogènes, l’équipe a imaginé des méthodes transversales aux outils habituels, offrant ainsi la possibilité de relier des disciplines donc des communautés qui ne le sont pas naturellement. Citons quelques exemples : la décomposition de tenseurs statistiques pour l’analyse d’images 3D, la théorie de la décision statistique appliquée à la reconnaissance de types cellulaires, la prise en compte de modèles déformables avec efforts aéro-élastiques dans le but du contrôle de dirigeables, la classification de la stabilité sous contraintes de systèmes non-hamiltoniens.

L’équipe mise donc sur ces interactions multidisciplinaires pour asseoir son projet de recherche dans un contexte local favorable (installation du CHSF en 2010, de l’IRBA en 2009, extension de Genopole, rapprochement avec l’IFFSTAR-LIVIC).

widget_cartohal

Documents avec texte intégral

182

Documents en Open Access %

56 %

Références bibliographiques

215

Mots-clés

Object detection Fuzzy control Localization Grid stability Time delay Autonomous Vehicles Observer-based control Estimation Actuators Takagi-Sugeno Fuzzy systems Semantic segmentation Aggregation Interval observer Attention Nonlinear control Cyberattack Adaptive control Apprentissage profond DC MicroGrids Optimal control Consensus control Observers Markov processes LMI Stability analysis Reinforcement learning Gait rehabilitation Multi-task learning Nonlinear systems Adaptation models Fault-Tolerant Control Rank aggregation Machine learning Stability criteria Vehicle dynamics Clinical gait analysis Unknown input Optimization UAVs UAV Deep learning Calibration Segmentation State estimation Heuristic algorithms Adaptive Control Fault detection Pooling function Linear systems Ridge extraction Photovoltaic system Renewable source integration Model Predictive Control Synchrosqueezing Costs LMI constraints Optical flow Aerial Robot Linear matrix inequality Contour extraction Sliding mode control LBP Actuator saturation Protocols Autonomous driving Multi-agent systems Lyapunov methods Sensor faults Convolutional neural networks LMIs Neural networks Neural Networks Six-rotor unmanned aerial vehicles Time-frequency Adaptive fuzzy control LPV systems Robust control Disturbance observer Artificial intelligence Autonomous aerial vehicles Identification Linear matrix inequalities LMIs Fuzzy logic systems Games Model predictive control Linear Matrix Inequality LMI Asymmetric saturation Fault estimation Deep Learning Lyapunov Theory Home Electrical Appliances HEAs Adaptive systems Fault-tolerant control Cameras Roads Stability Autonomous vehicles Linear matrix inequalities Structure from Motion