Séminaire ETIS-CELL – Khemmar Redouane

Orateur : Khemmar Redouane (ESIGELEC)

Titre : Contribution à la perception pour la smart mobilité

Résumé :

Les véhicules autonomes sont de plus en plus présents dans notre quotidien, ouvrant de nouvelles perspectives pour la smart mobilité. Un véhicule autonome doit comprendre 3 fonctions essentielles : perception, décision et actions. Plus le système est capable de percevoir son environnement, plus il prendra de meilleures décisions lui permettant, in fine, de déclencher des actions répondant aux exigences de sécurité, confort et d’énergie. La détection, localisation et tracking d’objets sont des tâches indispensables pour la perception. Depuis 2012, le deep learning est devenu un outil très puissant en raison de sa capacité à traiter de grandes quantités de données. L’apparition de nombreuses méthodes basées sur l’apprentissage profond a conduit à des progrès significatifs. Malgré cet engouement à l’IA, peu de méthodes se concentrent sur l’aspect temps-réel, essentiel pour les applications réelles et ce, en raison des coûts de calcul élevés. En plus, ces algorithmes présentent des lacunes évidentes dans les scènes complexes en partie à cause du manque de données vérité terrain comme pour la smart mobilité ferroviaire et la santé. En plus de la précision et la vitesse, les algorithmes de perception doivent prendre en compte la contrainte d’énergie liée aux systèmes embarqués. Mes travaux de recherche sont concernés par cette problématique et se concentrent donc sur la perception d’environnement pour deux domaines de la smart mobilité : routier/ferroviaire et robotique mobile/santé. L’objectif est d’atteindre un niveau d’analyse et de compréhension de scènes complexes permettant d’assurer une smart mobilité de très haut niveau de sécurité, de confort et d’énergie optimale. Cela repose sur deux briques essentielles et complémentaires : 1. Système fusion multicapteurs permettant d’enrichir davantage la perception avec des données hétérogènes, 2. Perception d’environnement basée IA permettant l’exploitation des données collectées pour une meilleure prédiction de l’ensemble des situations. Il s’agit donc du développement de plateformes génériques ouvertes pour expérimenter et valider des concepts technologiques et scientifiques du monde académique et industriel.

Short bio: Après une formation d’ingénieur en électronique, un DEA en informatique industrielle et d’un Master européen en traitement d’images à l’Université de Poitiers (2002), j’ai préparé au sein de l’Université de Strasbourg un doctorat en traitement d’images et vision par ordinateur (2005). J’ai obtenu par la suite une Habilitation à Diriger des Recherches (HDR) en vision par ordinateur, intelligence artificielle et smart mobilité à l’Université Rouen Normandie (2022). J’ai été moniteur au Centre d’Initiation à l’Enseignement Supérieur (CIES Alsace) pour une formation d’enseignant chercheur (2002-2005). J’ai occupé le poste d’Attaché Temporaire d’Enseignement et de Recherche (ATER) pendant 2 ans à l’Université de Strasbourg (2005-2007) et un PostDoc en gestion électronique des documents (GED) et dématérialisation au sein du groupe Jouve (2007-2008). Par la suite, j’ai occupé plusieurs postes en industrie en tant que chef de projet au sein des grands comptes industriels (JOUVE, THALES, ALTEN). Depuis 2009, je suis enseignant chercheur à l’ESIGELEC en systèmes embarqués, robotique mobile et smart mobilité. Mes travaux de recherche portent principalement sur la vision par ordinateur, robotique mobile, intelligence artificielle et smart mobilité.

Teams link: https://teams.microsoft.com/meet/382497063309?p=QKk3yAxhEeTcXWt1Ch
Meeting ID: 382 497 063 309
Passcode: vH39fR9F