Master Ingénierie des systèmes complexes (ISC)

Ce cours propose une introduction à la robotique bio-inspirée en présentant des conceptions et des réalisations innovantes dans le domaine des capteurs, de la locomotion, de la préhension et de la navigation. De nombreux exemples illustrent le cours et deux sujets de travaux dirigés sont proposés, l'un sur l'analyse d'un capteur bio-inspiré et l'autre sur la modélisation de la marche et la nage de l'oiseau. Une série d'articles scientifiques est proposée, et les étudiants pourront présenter un article de leur choix lors d'une session dédiée.

Planification A* et suivi de trajectoire;

Observateurs Non-Linéaires (& Filtre de Kalman)

Contrôlabilité des systèmes non-holonomes

Contrôle optimal et Principe du Maximum de Pontryagin

Cours de robotique sous-marine proposé par ECA Robotics.

Un objet connecté est un petit module physique communicant et autonome en énergie permettant de transmettre des données et parfois dans recevoir (informations issues de capteurs en générales). 

La connexion en réseaux de ces objets (IoT : Internet of Things dans la littérature anglaise), et la remontée d'informations vers des serveurs centralisés augmente considérablement le potentiel de ces modules. L’objectif de cet enseignement est de présenter sous forme d’échanges et par la pratique plusieurs applications utilisant des objets connectés autonomes. 

Plusieurs champs d'application seront abordés, tels que la santé, le monitoring environnemental, la mesure intelligente (smart metering) ou encore le suivi de personnes ou d'objets (tracking) dans un environnement indoor.En ce qui concerne la santé : le champ d’application des objets connectés concerne en particulier l’évaluation de la qualité de la motricité humaine au travers de paramètres pertinents. Dans ce cadre, l’objectif consiste à aborder les techniques permettant d’évaluer la qualité de la locomotion ou du maintien postural par capteurs inertiels et leurs applications aussi bien dans le domaine clinique que pour la prévention-santé par le sport ou l’étude de la performance sportive

Comprendre les étapes de mise en œuvre des petits objets communicants autonomes dans le cadre d’applications pour la recherche ou pour l’industrie. Sensibiliser les étudiants aux outils de conception au travers de travaux pratiques ou de l’utilisation de démonstrateurs.

Lieu d'échange sur les enseignements du Master 2 Ingénierie des Systèmes Complexes option ROC.

Le contenu du cours est le suivant 

Partie 1 : Modélisation de caméra et stéréoscopie. Homographie, calibration d'une caméra, calibration stéréoscopique, algorithme DLT

Partie 2 : Détection. Principe général de la détection d'objets dans une image. Métrique, Méthode de Viola Jones, approches par réseaux profonds.

Introduction au domaine radar (principes, techniques, technologies et applications).

introduction à la séparation de sources en mélanges linéaires instantanés et aux traitements d’antennes-réseaux

Plan

1. Introduction
   
2. Présentation des capteurs imageurs (visible, thermique, vidéo)
   
3. Caractéristiques des images
   
4. Évaluation de la qualité des images
   
5. Application à la Vision industrielle
   
6. Application à la télédétection
   

Ce cours est principalement centré sur les outils théoriques et appliqués de l'apprentissage machine appliqué à la vision. Il complète les enseignements dispensés dans le cours de vision de Master 1 avec notamment les notions suivantes : SVM, perceptron multicouche, réseau de neurones convolutifs.

This course is created to provide access to the "Entrepreneurship - Industry and research project" course materials and project submission.

Course objectives: The goal of this course is to develop the necessary skills of the business entrepreneur, to generate and evaluate innovative ideas, to develop and materialize innovation in products and services, and to structure a business plan to incubate and explore technology based innovation. This teaching is voluntarily oriented towards the acquisition of specific knowledge of market mechanisms, financing, and management. Main concepts, theories and mechanisms of entrepreneurship and innovation will be studied to offer a broad view of the strategic role of innovation. Technological trajectories, the concept of open innovation, the innovation process, the diffusion of innovation and new business models and markets segments will be approached. 

Course description: This course is focused on entrepreneurship and innovation, what it is (or not), how it appears (“search” & “select”), and how it can be managed (“implement” and “capture”). The course is committed to providing an opportunity to learn to use some tools and news ways of thinking which are better suited to addressing complex problems and opportunities inherent in organizations today. In terms of method, the course will promote interactions between students and the professor. During classroom sessions, students will participate and sometimes work in groups to answer specific questions, and discuss what they have learned. Concepts and ideas will be illustrated with concrete examples and some press releases. Using learning by doing methods, students will be taught business planning, particularly focusing on innovation projects. Students will develop a value and propose an elevator pitch. They will also put into practice the knowledge acquired through case studies.

 Key skills acquired:  After completing this course, the students will be able to:

 1. Understand the ins and outs of an entrepreneurial approach 

 2. Differentiate the different types of business plan

 3. Develop a business plan

 4. Create an innovative value proposition 

 5. Present a project using professional presentation skills

The course will present the main paradigms of automatically learning from data. The student will gain an understanding about the implications of working with high-dimensional and/or big amounts of data. In the course we will implement and apply basic algorithms to perform classification, regression and density estimation. Students will be capable of analyzing and explaining results of applying machine learning techniques. They will be able to identify over- and under- fitting and reason in terms of bias and variance of errors. The methods will be illustrated using publicly available software tools and data sets used to perform analysis on large volumes of data.

 Introduction du Physical Oceanography, the time-space scales, the main processes, the instrumentation.Practical work at sea, data analysis.The Great Garbage, what is the situation, how physical oceanographers study the marine plastic pollution

Space to upload the posters for the MIR Symposium.

The objective of this lecture is to provide insight specific to deep-sea underwater vehicles and their operation. It gives an overview of existing underwater vehicles, observatories and operations procedures, with emphasis on the Underwater Systems developed and operated within the French Oceanographic Fleet. Sensors and equipment required for deep water submarine operations will be presented. A focus on acoustic communication necessary for the operation of AUVs (Autonomous Underwater Vehicles) will be carried out in terms of principle, strategies and equipment. Instrumental architecture and key principles of distributed multi-sensor acquisition systems will be exposed. Visual perception in deep-sea operations as well as 3D representation of natural structures on the ocean floor will also be deepened

This module aims at equipping students with the ability of creating machine learning (and deep learning) models for usual intelligent robotic perception tasks. Computer vision and machine listening on a marine environment are the two target fields of application of the contents of this course, however other modalities (e.g. hyperspectral imaging, natural language,...) will be discussed. After the module students will be capable at identifying perception tasks to which deep learning techniques can be applied. Students will be able to build specific models to solve these problems and assess their performance. They will also know the main specificities of image and audio for marine applications.

Participants will carry out tutorial and practical work on marine and underwater robotsunder the supervision of lecturers. Matlab/Simulink and Ubuntu/ROS will be used to take over the following robotic platforms :• Marius sailing robot• 8-thruster BlueROV underwater robot• 3-thruster fully equipped CORAL underwater robot

This course presents the main framework of reinforcement learning (RL). At the end of the course, the student will be able to identify and frame problems under this formalism. He will master the vocabulary associated with the RL field, and will be aware of the main obstacles to tackle when using and developing RL approaches (e.g. exploitation-exploration trade-off, sample efficiency). Moreover students will be capable of understanding and implementing “vanilla” algorithms of the core methods in RL (e.g. Q-learning and policy optimisation) and analyze/apply some specific advanced algorithms (e.g. A2C and PPO).