Biographie
Alina Glushkova est une chercheuse spécialisée dans l’analyse et la modélisation du mouvement humain, avec une expertise marquée dans les domaines de l’interaction homme-machine, de la reconnaissance gestuelle et de l’ergonomie appliquée aux environnements professionnels. Ses travaux s’articulent autour de l’utilisation de méthodes avancées en apprentissage automatique, telles que le *Multi-Task Learning* (MTL) et le *Meta Learning*, pour améliorer la généralisation des modèles de reconnaissance d’actions humaines, notamment dans des contextes industriels ou de réadaptation. Elle explore également des approches hybrides combinant des modèles stochastiques et biomécaniques, comme le *Gesture Operational Model* (GOM), pour capturer la dynamique des mouvements professionnels et en extraire des représentations explicables. Ses recherches incluent le développement d’outils numériques, tels que *PosePilot*, une application web dédiée à la visualisation et à l’analyse de données de mouvement en temps réel, ainsi que des plateformes interactives pour la transmission de savoir-faire artisanaux ou la prévention des troubles musculo-squelettiques liés au travail. Son approche méthodologique intègre systématiquement la collecte de données in situ, l’annotation sémantique et l’évaluation quantitative, visant à produire des solutions adaptables et centrées sur l’utilisateur final, qu’il s’agisse de chercheurs, de professionnels de l’industrie ou d’apprenants.
Publication(s)
-
2026
Meta and Multi-Task Learning for Action Recognition: A Survey DOI : 10.1109/ACCESS.2026.3665252
-
2025
PosePilot - A Web-Based Application for Human Motion Data Analysis and Visualization DOI : 10.1109/FG61629.2025.11099475
-
2025
Multi-Task Learning for Hierarchical Professional Gesture Recognition: State-Space Modeling for Task Temporal Dependencies DOI : 10.1109/FG61629.2025.11099170
-
2024
Explainable AI in human motion: A comprehensive approach to analysis, modeling, and generation DOI : 10.1016/j.patcog.2024.110418
-
2024
Interactive Visualization and Dexterity Analysis of Human Movement: AIMove Platform DOI : 10.1109/FG59268.2024.10581928
-
2023
Improving Human-Robot Collaboration in TV Assembly Through Computational Ergonomics: Effective Task Delegation and Robot Adaptation DOI : 10.1109/SMC53992.2023.10394021
-
2023
Embodied edutainment experience in a museum: discovering glass-blowing gestures DOI : 10.1145/3610661.3616180
-
2023
Motion Capture Benchmark of Real Industrial Tasks and Traditional Crafts for Human Movement Analysis DOI : 10.1109/ACCESS.2023.3269581
-
2023
Interactive Sensorimotor Guidance for Learning Motor Skills of a Glass Blower DOI : 10.1007/978-3-031-34732-0_3
-
2022
Traditional Craft Training and Demonstration in Museums DOI : 10.3390/heritage5010025
-
2022
Mixed-Reality Demonstration and Training of Glassblowing DOI : 10.3390/heritage5010006
-
2022
A Representation Protocol for Traditional Crafts DOI : 10.3390/heritage5020040
-
2022
Multimodal Narratives for the Presentation of Silk Heritage in the Museum DOI : 10.3390/heritage5010027
-
2021
Stochastic-biomechanic modeling and recognition of human movement primitives, in industry, using wearables DOI : 10.3390/s21072497
-
2020
Analyzing the kinematic and kinetic contributions of the human upper body’s joints for ergonomics assessment DOI : 10.1007/s12652-020-01926-y
-
2020
Human Movement Representation on Multivariate Time Series for Recognition of Professional Gestures and Forecasting Their Trajectories DOI : 10.3389/frobt.2020.00080
-
2020
Hidden Markov Modelling and Recognition of Euler-Based Motion Patterns for Automatically Detecting Risks Factors from the European Assembly Worksheet DOI : 10.1109/ICIP40778.2020.9190756
-
2019
Designing a web-based Automatic Ergonomic Assessment using Motion Data DOI : 10.1145/3316782.3322758
-
2019
Extracting the Inertia Properties of the Human Upper Body Using Computer Vision DOI : 10.1007/978-3-030-34995-0_54
-
2019
Towards a Professional Gesture Recognition with RGB-D from Smartphone DOI : 10.1007/978-3-030-34995-0_22
-
2018
Gesture recognition and sensorimotor learning-by-doing of motor skills in manual professions: A case study in the wheel-throwing art of pottery DOI : 10.1111/jcal.12210
-
2016
3D-scene modelling of professional gestures when interacting with moving, deformable and revolving objects DOI : 10.1145/2948910.2948949
-
2016
Fingers gestures early-recognition with a unified framework for RGB or depth camera DOI : 10.1145/2948910.2948947
-
2015
Novel 3D game-like applications driven by body interactions for learning specific forms of intangible cultural heritage DOI : 10.5220/0005456606510660
-
2015
Gesture recognition technologies for gestural know-how management: Preservation and transmission of expert gestures in wheel throwing pottery DOI : 10.5220/0005475904050410
-
2015
A hybrid content-learning management system for education and access to intangible cultural heritage DOI : 10.5220/0005409302020207
-
2015
Modelling Gestural Know-how in Pottery Based on State-space Estimation and System Dynamic Simulation DOI : 10.1016/j.promfg.2015.07.883
-
2014
Capture, modeling, and recognition of expert technical gestures in wheel-throwing art of pottery DOI : 10.1145/2627729
Enseignements
Robotique Collaborative
Ce cours a pour but principal de donner les connaissances de base pour aborder les aspects : des nouveaux usages de reconnaissance des gestes dans les procédés artistiques (création, expériences sensori-motrices etc.) et industriels (ergonomie, robotique collaborative etc). de la capture du mouvement humain à l’aide des capteurs et de la modélisation d’un geste situé à l’aide de l’apprentissage statistique de l’interaction assisté par ordinateur dans des applications artistiques et industrielles émergentes (composition par le geste, systèmes sonores basés sur le geste, apprentissage sensori-moteur du geste professionnel etc.) Le cours introduit divers méthodes et paradigmes technologiques concernant la captation du mouvement humain et des capteurs appropriés, des méthodes et modèles de machine et deep learning pour la reconnaissance de formes de comportement humain ainsi que ses applications artistiques et industrielles
Direction(s) de thèse(s)
- 2024 Rendu neuronal dynamique à travers la vision robotique égocentrée SU Sichen
- 2024 L'effet des facteurs humains sur les indicateurs de performance motrice : analyse et représentation visuelle ZENG Linghao
- 2024 Mécanisme d'interaction basé sur l'IA pour les stratégies adaptatives de retour sensorimoteur augmenté SICHLER Romaric
- 2023 Reconnaissance multimodale de gestes pour la robotique collaborative réactive dans l’industrie du luxe PAPANAGIOTOU Dimitrios
- 2022 Exploration de l’apprentissage multi-tâche et du méta-apprentissage pour la reconnaissance simultanée et hiérarchique des activités, actions et intentions professionnelles SENTERI Gavriela