Bienvenue aux Mines Paristech
Bienvenue à MINES ParisTech
Newsletter International
Website
Théorie & Pratique
Vous êtes

rechercher
un événement

choisissez une date

Partager

Le 22 septembre 2020

Soutenance de thèse de Martin BROSSARD

Techniques de prototypage modernes pour la pour la navigation multi-capteurs

Soutenance de thèse de Martin BROSSARD

Résumé de la thèse en français

Cette thèse aborde les méthodes d'estimation d'état pour les véhicules équipés de divers capteurs tels que des caméras et des centrales inertielles. Le filtre de Kalman est un outil largement utilisé pour estimer l'état d'un système dynamique, qui soulève des questions théoriques pour les systèmes non linéaires présents dans la navigation, et qui repose sur des modèles physiques et des paramètres qui doivent être optimisés efficacement par l'utilisateur. La thèse contribue au filtrage de Kalman pour la navigation, où les contributions se divisent en deux contributions majeures. La première contribution consiste à s'appuyer sur le récent filtre de Kalman étendu invariant pour résoudre les problèmes difficiles que sont l'inconsistence du filtre de Kalman étendu pour le problème de la localisation et de la cartographie simultanées, de la navigation avec des capteurs visuels, et la question plus générale du filtrage de Kalman sur les variétés. La deuxième contribution consiste à utiliser des outils récents du domaine de l'intelligence artificielle, à savoir l'apprentissage profond, pour améliorer les filtres de Kalman, notamment pour relier les mesures des capteurs à l'état du système, et pour régler le filtre efficacement, c'est-à-dire utiliser des techniques d'apprentissage automatique pour trouver une stratégie de réglage dynamique des paramètres du filtre de Kalman qui correspond aux données et qui est également capable de fournir de nouvelles informations au filtre. La thèse introduit ainsi différents algorithmes de filtrage et réseaux de neurones profonds dont l'implémentation est rendue open-source.

Résumé de la thèse en anglais

This thesis deals with state estimation for vehicles that are equipped with various sensors such as cameras and inertial measurement units. The Kalman filter is a widely used tool that estimates the state of a dynamical system, which raises theoritical questions for the nonlinear systems present in navigation, and that relies on physical models and parameters that need to be efficient tuned by the user. This thesis contributes to Kalman filtering for navigation, where the contributions focus on two different manners. The first manner consists in building on the recent invariant extended Kalman filter to address challenging issues, namely the inconsistency of extended Kalman filter for the problem of simultaneous localization and mapping, navigation with vision sensors, and the more general question of Kalman filtering on manifolds. The second manner consists in using recent tools from the field of artificial intelligence, namely deep learining, to improve Kalman filters, notably to relate sensors' measurements to the state, and to tune the filter efficiently, that is, using machine learning techniques to find a dynamical tuning strategy of the Kalman filter parameters that best matches the data and that is also able to provide new information to the filter. The thesis thus introduces differents filtering algorithms and deep neural networks whose implementation are made open-source.

Titre anglais : some modern prototyping techniques for navigation based on multi-sensor fusion
Date de soutenance : Tuesday 22 September 2020 à 13h00
Adresse de soutenance : 6à boulevard Saint-Michel 75006 Paris - L119
Directeurs de thèse : Silvère BONNABEL, Axel BARRAU

> plus d'informations sur le site dédié Soutenance de thèse de Martin BROSSARD - MINES ParisTech

actualité

Félicitations à Stefano Cassano

Formation Félicitations à Stefano Cassano La 55 e conférence internationale sur…
> En savoir +

La lutte pour une agriculture libre : bricoler et partager pour s'émanciper

Formation La lutte pour une agriculture libre : bricoler… Fabriquer ses propres machines, réparer son tracteur, échanger…
> En savoir +

Formation doctorale :

Formation Formation doctorale : "IDEAL", la nouvelle offre… « Pour la première fois, on se positionne au niveau du doctorat…
> En savoir +

Lutte contre la pandémie de coronavirus

Formation Lutte contre la pandémie de coronavirus Vous trouverez sur cette page les dernières consignes en…
> En savoir +

Prix Pierre Londe 2020

Formation Prix Pierre Londe 2020 Le prix « Pierre Londe » 2020 de la meilleure thèse en mécanique des roches en France a…
> En savoir +

+ Toutes les actualités

webTV

Lecture

Conférence éthique et intelligence artificielle : Elise Berlinski

Lecture

Certificat exécutif : digital native, 3 questions à...

Lecture

Carlos Adrian Correa Florez, MINES ParisTech PhD, PERSEE center

Lecture

Certificat exécutif : digital native, 3 questions à...

Lecture

Lancement de la Chaire industrielle ANR TOPAZE

+ Toutes les vidéos

Plan du site
MINES
ParisTech

60, Boulevard Saint-Michel
75272 PARIS Cedex 06
Tél. : +33 1 40 51 90 00

Implantations
Mentions légales | efil.fr | ©2012 MINES ParisTech | +33 1 40 51 90 00 |