‹ Retour à l’annuaire

Biographie

Sotiris Manitsaris est un chercheur dont les travaux se concentrent sur l’analyse et la modélisation des mouvements humains, avec une expertise marquée dans l’interaction homme-machine, la reconnaissance de gestes et l’application des technologies numériques aux métiers artisanaux et industriels. Ses recherches explorent des méthodologies innovantes combinant l’apprentissage automatique, notamment le *Multi-Task Learning* et le *Meta Learning*, pour améliorer la généralisation des modèles de reconnaissance d’actions humaines, tout en intégrant des dimensions contextuelles et stochastiques. Une part significative de ses contributions porte sur la préservation et la transmission des savoir-faire artisanaux, où il développe des cadres méthodologiques intégrant la capture de mouvement, la modélisation 3D et les représentations sémantiques pour documenter et analyser les gestes professionnels. Ses travaux s’étendent également à l’ergonomie industrielle, proposant des solutions pour optimiser la collaboration homme-robot et réduire les risques musculo-squelettiques, en s’appuyant sur des modèles biomécaniques et des capteurs portables. Son approche interdisciplinaire lie ainsi les sciences du mouvement, l’intelligence artificielle et les études culturelles, avec des applications concrètes dans les domaines de l’industrie 4.0, du patrimoine culturel et de l’éducation.

Publication(s)

Enseignements

Robotique Collaborative

Responsable

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 Algorithmes de reconnaissance des actions sportives avec applications dans le jeu de Football OCHIN Jérémie
  • 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
  • 2022 Simulation multi-agent pour l'aide à la décision dans un contexte de logistique urbaine HEMDANE Nassim
  • 2019 Modélisation profonde espace-état pour la représentation explicable, l'analyse et la prédiction des dynamiques du corps humain dans la compréhension de la dextérité et l'ergonomie computationnelle. OLIVAS PADILLA Brenda
  • 2018 Reconnaissance de gestes professionnels pour la collaboration homme-robot EL KADDAOUI Salwa