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

widget_cartohal

Documents avec texte intégral

185

Documents en Open Access %

55 %

Références bibliographiques

221

Mots-clés

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