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).

Derniers dépôts

Chargement de la page

Documents avec texte intégral

181

Documents en Open Access %

56 %

Références bibliographiques

216

Mots-clés

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