Home » Thèses

Thèses soutenues 2023



  Mathieu Riand, Reconnaissance d’actions à partir d’un faible nombre de vidéos 2D + profondeur : approche par construction de graphes de scène et apprentissage auto-supervisé
Reconnaissance d’actions à partir d’un faible nombre de vidéos 2D + profondeur : approche par construction de graphes de scène et apprentissage auto-supervisé
Auteur : Mathieu Riand
Manuscript :


Mots-clés : Reconnaissance d’actionsGraphes de scèneApprentissage auto-superviséGNN Graph Neural Network
Résumé

L’apprentissage par démonstration peut permettre de rendre la robotique plus accessible en ayant simplement à réaliser une tâche devant un robot pour que celui-ci la reproduise ; cependant, il peut être difficile d’apprendre des tâches complexes depuis des démonstrations brutes. Une manière de simplifier ce processus est de séparer les tâches en actions simples que le robot pourra apprendre indépendamment. Dans cette thèse, nous proposons donc d’extraire les actions élémentaires effectuées par des humains dans des vidéos ; pour cela, nous représentons les scènes sous la forme de graphes symboliques dans lesquels chaque noeud est un objet de la démonstration, et nous les classifions grâce à un GNN (Graph Neural Network). Nous explorons plusieurs stratégies de conception des graphes et montrons qu’il est possible d’améliorer la qualité de la reconnaissance d’actions en choisissant la bonne représentation. Puisque les démonstrations sont rarement annotées, nous proposons également des techniques d’apprentissage auto-supervisé appliquées aux graphes permettant de faire usage de données non labellisées pour augmenter encore les performances de notre modèle. Enfin, nous enregistrons 760 démonstrations et récoltons l’attention humaine sur une partie de ces vidéos afin de la comparer à l’attention de notre GNN.


Date de soutenance : 23-06-2023
Président du jury : Patrick Le Callet
Jury :
  • Alexandre Benoît [Président]
  • Benoît Furet
  • Alice Caplier
  • Kevin Bailly

  Dmitrii Popov, Modélisation des interactions physiques entre un humain et un robot avec élasticité adaptative
Modélisation des interactions physiques entre un humain et un robot avec élasticité adaptative
Auteur : Dmitrii Popov
Manuscript :


Mots-clés : Interaction physique homme-robotCollaboration homme-robotIdentification des paramètres d’interactionRésolution de singularitéContrôle d’interaction adaptatif
Résumé

La thèse porte sur la modélisation des interactions physiques entre un humain et un robot, ce qui est extrêmement important pour la conception et le développement de cellules de travail collaboratives modernes pour de nouvelles applications industrielles. Il se concentre sur le développement de techniques d’identification des interactions afin d’améliorer la sécurité des personnes et les performances des cellules de travail homme-robot. Une attention particulière est accordée aux problèmes de précision causés par les données de mesures bruitées et l’identification des paramètres d’interaction dans des cas singuliers, qui peuvent survenir lors de l’interaction physique en raison d’informations de mesures limitées. Il présente de nouvelles techniques pour calculer la force d’interaction et son point d’application en utilisant uniquement les données de mesure obtenues à partir des capteurs de couple de l’articulation interne du robot. De plus, le contrôleur de gestion d’interaction adaptative est développé, qui intègre l’identification d’interaction afin d’assurer la sécurité humaine en changeant le mode de comportement du robot. La validité des approches développées et leur efficacité ont été confirmées par une étude expérimentale impliquant une collaboration entre un opérateur et le robot KUKA LBR iiwa 14.


Date de soutenance : 17-05-2023
Président du jury : Anatol Pashkevich
Jury :
  • Abderrahmane Kheddar [Président]
  • Andrea Cherubini [Rapporteur]
  • Mohamed Amine Laribi [Rapporteur]
  • Damien Chablat
  • Nathalie Smith-Guérin

  Ava Souaille, Conception Interactive en Design Sonore.
Conception Interactive en Design Sonore.
Auteur : Ava Souaille
Manuscript :


Mots-clés : Design sonoreÉvaluation perceptiveAlgorithme génétique interactifExpérience utilisateurVéhicule autonomeOptimisation multi-objectifs
Résumé

La problématique de cette thèse porte sur la définition d’outils et de méthodes interactives pour le design sonore, permettant d'intégrer l’expérience utilisateur dans le processus de conception. Nous proposons un paradigme expérimental d'étude de laperception sonore, basé l'optimisation interactive de sons. En particulier, nous utilisons des Algorithmes Génétiques Interactifs (IGAs) pour résoudre deux problèmes de design sonore: le design de sons d'alerte de véhicules électriques ou hybrides facilement détectables et peu désagréables, ainsi que le design de sons d'intérieur peu intrusifs pour le véhicule autonome. Au travers de ces exemples, nous montrons l'intérêt de l'utilisation des IGAs pour le paradigme proposé. Nous proposons également une méthoded'analyse et de généralisation des résultats obtenus individuellement lors d'une expérience d'optimisation interactive. Nous montrons expérimentalement que cette méthode permet de produire des recommandations de design sonore pertinentes pour répondre au problème d'optimisation. Enfin, nous proposons une méthode de réduction informée d'un espace de conception, préalable à une expérience d'optimisation interactive. Nous montrons expérimentalement que réduire l'espace de conception avec cette méthode permet d'améliorer la qualité des sons trouvés au cours du processus d'optimisation.


Date de soutenance : 22-03-2023
Président du jury : Jean-François Petiot
Jury :
  • Mitsuko Aramaki [Président]
  • Etienne Parizet [Rapporteur]
  • Bernard Yannou [Rapporteur]

  Marie Delavergne, Cheops, une approche externe pour géo-distribuer en périphérie les applications à base de micro-services
Cheops, une approche externe pour géo-distribuer en périphérie les applications à base de micro-services
Auteur : Marie Delavergne
Manuscript :


Mots-clés : Informatique nuagiqueInformatique périphériqueModularitéMaillage de services
Résumé

Le passage de l'informatique en nuage à l'informatique en périphérie a modifié les exigences relatives aux applications qui y sont exécutées. Si les applications actuelles de l'informatique en nuage sont extrêmement robustes dans ce contexte, elles n'ont pas été conçues pour faire face aux défis inhérents à l'informatique en périphérie, en particulier les déconnexions et les latences élevées que l'on peut observer entre des sites éloignés. Puisque nous disposons déjà d'applications pour le nuage robustes et au code volumineux, la question qui se pose est la suivante : serait-il possible de les utiliser en périphérie en gérant l'échelle et la distribution géographique ? Pour répondre à cette question, je présente d'abord différentes approches existantes pour faire des applications fonctionnant en périphérie et les lacunes de ces solutions, tout en conservant les réponses intéressantes à des problèmes spécifiques. A partir de cette étude, je présente la solution construite pour amener les applications du nuage à la périphérie tout en donnant aux utilisateurices le choix du lieu d'exécution de leurs requêtes. Cette solution s'appuie sur la modularité des applications existantes du nuage pour créer une approche ressemblant à un maillage de services qui intercepte les demandes entre les services et les redirige en fonction du langage spécifique à un domaine (DSL) que nous avons créé pour permettre aux utilisateurices de spécifier des collaborations entre plusieurs sites en périphérie.


Date de soutenance : 16-03-2023
Président du jury : Adrien Lebre
Jury :
  • Thomas Ledoux [Président]
  • Noël de Palma [Rapporteur]
  • Pierre Sens [Rapporteur]
  • Sara Bouchenak
  • Ronan-Alexandre Cherrueau

  Hoang-Trung Ngo, Commande de l’électronique de puissance des futurs smart grids pour les services système
Commande de l’électronique de puissance des futurs smart grids pour les services système
Auteur : Hoang-Trung Ngo
Manuscript :


Mots-clés : MIMOCommande optimaleVSCCCHTPMSGSTATCOMServices système
Résumé

Afin de fournir des services système etde gérer les intéractions entre convertisseurs, cettethèse a proposé une technique de commandecoordonnée pour les systèmes de convertisseurs depuissance connectés au réseau, avec desimplémentations centralisées et décentralisées. Lesnouvelles structures de commande proposées sontdivisées en différents niveaux de commande/bouclesen fonction de la dynamique naturelle du système : laboucle très rapide est utilisée pour fournir desservices locaux (puissance active/réactive, tensionCC, et inertie du réseau / RoCoF support), la bouclerapide est pour MPPT, la réponse en fréquence et lesservices de tension CA, et la boucle lente estconstituée par sert les commandes secondaires de lafréquence et de la tension. À cet égard, ce contrôleest une alternative à la commande vectorielleclassique. De plus, des techniques de commandeavancées comme H2/H-infini, des approches flouesnon linéaires et des techniques d’IMT, sont utiliséespour obtenir des performances optimales tout enmaintenant une marge de stabilité (p. ex., FRT etCCT). Trois applications ont été traitées :commande décentralisée VSC-CCHT (non linéaire),commande décentralisé/centralisé du systèmeéolien PMSG (non linéaire) raccordé au réseau etcommande en tension (STATCOM) d’unconvertisseur connecté au réseau. La mise enoeuvre décentralisée renforce la résilience lors de lacommande de plusieurs générateurs d’énergierenouvelable, comme dans le concept de centraleélectrique virtuelle dynamique développé dans leprojet H2020 RIA POSYTYF. Les résultats ontdémontré que les structures de commandeproposées sont plus performantes que lacommande vectorielle classique en termes destabilité et de performance. Cette thèse présenteégalement une méthode de conception de systèmede commande conviviale sur la base des approchesprésentées, qui peut ensuite être appliquée auxapplications au niveau industriel.


Date de soutenance : 13-03-2023
Président du jury : Bogdan Marinescu
Jury :
  • Seddik Bacha [Président]
  • Rachid Outbib [Rapporteur]
  • Ioannis Lestas [Rapporteur]
  • Alessio Iovine
  • Ina Taralova

  Hippolyte Dubois, Apprentissage automatique pour l'analyse de trajectoires spatiales : extraction conjointe de caractéristiques démographiques et comportementales
Apprentissage automatique pour l'analyse de trajectoires spatiales : extraction conjointe de caractéristiques démographiques et comportementales
Auteur : Hippolyte Dubois
Manuscript :


Mots-clés : Séries temporelles multivariées
Résumé

La façon dont les humains se déplacent dans un environnement donne est liée a certaines de leurs caractéristiques démographiques et cliniques, comme leur age ou leur statut cognitif. Dans cette thèse, nous avons cherche a quantifier l’interaction entre le profil des navigateurs et leur comportement spatial via trois approches complémentaires. Nous avons notamment utilise les données issues d’un jeu vidéo de navigation spatiale - Sea Hero Quest - donnant accès aux trajectoires de millions de joueurs aux profils démographiques varies. La première approche propose une architecture de modèle a réseaux de neurones parallèles, afin de prendre en compte la nature spatio-temporelle des trajectoires. La seconde associe a chaque trajectoire une entropie calculée à partir de la distribution des trajectoires, pour prendre en compte le contexte et identifier la singularité du navigateur. La troisième permet de produire un groupement joint sur d’un coté les données comportementales et de l’autre démographiques. Les expérimentations que nous avons menées nous ont permis de valider les résultats obtenus antérieurement avec des métriques et des méthodes d’analyse simples, mais également de les compléter, en explicitant par exemple la nature des effets de l’âge et du genre sur le comportement spatial. Ces travaux permettront aux neuroscientifiques de mieux comprendre les facteurs sous-tendant les différences individuelles en terme de sens de l’orientation.


Date de soutenance : 10-03-2023
Président du jury : Patrick Le Callet
Jury :
  • Luce Morin [Président]
  • Christophe Claramunt [Rapporteur]
  • Jonathan Weber [Rapporteur]
  • Valérie Gyselinck
  • Frédéric Precioso
  • Giuseppe Valenzise

  Xihui Wang, Classification Multi-Labels en flux : comparaisons d'approches et nouvelles propositions
Classification Multi-Labels en flux : comparaisons d'approches et nouvelles propositions
Auteur : Xihui Wang
Manuscript :


Mots-clés : Dérive conceptuelleAnalyse prédictive
Résumé

Avec l'évolution conjointe des volumes de données à traiter et de la nature même de ces données, les algorithmes de classification multi-labels sont confrontés à un défi majeur : leur capacité à apprendre des modèles à partir de données en flux et à s'adapter aux changements de leurs distributions statistiques au fil du temps en prenant en compte des ressources matérielles limitées en stockage et en calcul. Dans cette thèse, nous abordons ce défi pour deux types de données : des flux stationnaires et non stationnaires. Pour la classification multi-labels de flux stationnaires nous avons développé un nouvel algorithme (MLT-ML) qui, avec une faible complexité temporelle, permet d'obtenir des performances en prédiction compétitives en exploitant les corrélations entre labels pour partitionner l'espace de recherche à chaque instant et réduire ainsi la complexité de l'apprentissage. Pour la classification de flux non-stationnaires nous avons développé successivement deux nouveaux algorithmes (ODM et A2ML) qui combinent une mémoire à court terme et une mémoire à long terme. Cette combinaison permet une adaptation efficace des modèles d'apprentissage aux dérives de concepts. En particulier, nous avons montré expérimentalement l'apport dans A2ML de l'introduction d'une règle d'échantillonnage biaisée pour la gestion de la mémoire à long terme ainsi que l'efficacité de la création de nouveaux clusters associés à l'apparition de nouveaux labels dans le flux. Pour combler l'absence de protocoles d'évaluation consensuels pour la classification multi-labels sur des données en flux, nous avons développé un nouveau cadre de simulation qui permet d'introduire explicitement des dérives de différents types et donc de mieux comprendre les changements de comportements des différentes ,stratégies de classification. Les comparaisons avec les meilleurs algorithmes de l'état de l'art menées sur des flux non stationnaires de plus de 50 000 exemples confirment le niveau élevé de performances de notre nouvel algorithme A2ML qui a une complexité temporelle significativement plus réduite que tous les autres.


Date de soutenance : 28-02-2023
Président du jury : Pascale Kuntz-Cosperec
Jury :
  • Mustapha Lebbah [Président]
  • Julien Velcin [Rapporteur]
  • Jean-Charles Lamirel [Rapporteur]
  • Armelle Brun
  • Franck Meyer

  Gaëlle Jouis, Explicabilité des modèles profonds et méthodologie pour son évaluation : application aux données textuelles de Pôle emploi
Explicabilité des modèles profonds et méthodologie pour son évaluation : application aux données textuelles de Pôle emploi
Auteur : Gaëlle Jouis
Manuscript :


Mots-clés : Outils d’explicabilitéIntelligence ArtificielleRéseaux de Neurones
Résumé

L’intelligence Artificielle fait partie de notre quotidien. Les modèles développés sont de plus en plus complexes. Les régulations telles que la Loi Pour une République Numérique orientent les développements logiciels vers plus d’éthique et d’explicabilité. Comprendre le fonctionnement des modèles profonds a un intérêt technique et humain. Les solutions proposées par la communauté sont nombreuses, et il n’y a pas de méthode miracle répondant à toutes les problématiques. Nous abordons la question suivante : comment intégrer l’explicabilité dans un projet d’IA basé sur des techniques d’apprentissage profond? Après un état de l’art présentant la richesse de la littérature du domaine, nous présentons le contexte et les prérequis de nos travaux. Ensuite nous présentons un protocole d’évaluation d’explications locales et une méthodologie modulaire de caractérisation globale du modèle. Enfin, nous montrons que nos travaux sont intégrés à leur environnement industriel. Ces travaux résultent en l’obtention d’outils concrets permettant au lecteur d’appréhender la richesse des outils d’explicabilité à sa disposition.


Date de soutenance : 14-02-2023
Président du jury : Harold Mouchère
Jury :
  • Gilles Venturini [Président]
  • Céline Hudelot [Rapporteur]
  • Philippe Lenca [Rapporteur]
  • Richard Dufour

  Martin Laville, Évaluation en extraction de lexiques bilingues à partir de corpus comparables
Évaluation en extraction de lexiques bilingues à partir de corpus comparables
Auteur : Martin Laville
Manuscript :


Mots-clés : Corpus bilinguesCorpus spécialisésJeux de données
Résumé

L’extraction de lexique bilingue (BLI) a pour objectif la création, de manière automatique à partir de corpus bilingues, de lexiques entre deux langues. Le BLI est utilisé le plus souvent en domaine général, où les lexiques extraits peuvent par exemple servir en traduction automatique ou en recherche d’information. Les systèmes de BLI fonctionnent alors sur de grandes quantités de données et les résultats semblent hautement satisfaisants. Cependant, les données d’évaluation contiennent de nombreuses erreurs, ce qui pourrait conduire à une remise en question des systèmes. Un second contexte d’utilisation plus marginal du BLI est celui des domaines de spécialité, où l’objectif est l’obtention de traductions absentes des dictionnaires classiques. Les corpus spécialisés (qui ne concernent qu’un seul sujet) sont peu fournis en données et il est compliqué pour les systèmes de BLI d’obtenir d’aussi bons résultats qu’en domaine général. Il faut donc chercher à adapter les approches pour prendre en compte cette particularité. Dans cette thèse, nous améliorons les résultats obtenus en BLI en domaine de spécialité en proposant l’utilisation de techniques de sélection de données. Puis, nous nous intéressons au processus d’évaluation en domaine général et plus particulièrement à certains biais présents dans les données d’évaluation comme la surprésence de paires de mots très fréquents ou graphiquement identiques et proposons un processus d’évaluation plus précis et unifié qui prend en compte ces faiblesses dans les données.


Date de soutenance : 01-02-2023
Président du jury : Emmanuel Morin
Jury :
  • Pierre Zweigenbaum [Président]
  • Éric Gaussier [Rapporteur]
  • Marianna Apidianaki [Rapporteur]

  Victor Connes, Recommandation de Ressources Éducatives Libres dans le projet X5GON
Recommandation de Ressources Éducatives Libres dans le projet X5GON
Auteur : Victor Connes
Manuscript :


Mots-clés : Education OuverteSystème de recommandation
Résumé

Ces dernières années, les pratiques d’apprentissage en ligne n’ont cessé de croitre, la pandémie mondiale du COVID- 19 a encore accéléré cette tendance. Pour atteindre l’objectif de développement durable numéro 4 : « l’éducation de qualité et tout au long de la vie », l’UNESCO fait de l’apprentissage en ligne et des REL (Ressources Educatives Libres) les aspects centraux de cette politique. Dans un contexte où le nombre de ressource et d’utilisateur est pléthorique, des algorithmes de recommandation de contenu semblent indispensables pour guider les apprenants à travers les ressources. Néanmoins, l’emploi de la recommandation à des fins pédagogiques soulève des problématiques spécifiques non étudiées jusqu’alors. De plus, le manque de jeux de données libres disponibles complexifie l’évaluation et la comparaison des approches et ne permet pas l’emploi de méthodes gourmandes en données qui semblent pourtant les plus prometteuses. Dans ce document, nous nous intéressons à la problématique de la recommandation à visée pédagogique à large-échelle et dans un contexte éducationnel non-formel où les données sont non structurées. En particulier, nous explorerons la question d’un ordre satisfaisant de consultation des ressources ainsi que celle de mise à disposition de jeux de données libres pour cette tâche.


Date de soutenance : 05-01-2023
Président du jury : Colin de La Higuera
Jury :
  • Élisa Fromont [Président]
  • Marc Tommasi [Rapporteur]
  • Jean-Christophe Janodet [Rapporteur]
  • Marie Lefèvre

Copyright : LS2N 2017 - Mentions Légales - 
 -