INTELLIGENCE ARTIFICIELLE POUR LA CONFIGURATION DE RÉSEAUX DE CAPTEURS

par Quentin Renau

Projet de thèse en Informatique, données, IA

Sous la direction de Benjamin Doerr.

Thèses en préparation à l'Institut polytechnique de Paris , dans le cadre de École doctorale de l'Institut polytechnique de Paris , en partenariat avec LIX - Laboratoire d'informatique (laboratoire) depuis le 01-02-2019 .


  • Résumé

    Des réseaux de capteurs positionnés en vue de former des barrières de détection de menaces, dont l'efficacité (par exemple la probabilité de détection) doit être optimisée. Le cœur de ce système est un problème d'optimisation mathématique où l'on cherche une stratégie de configuration et de placement permettant de maximiser la probabilité de détection du réseau de capteur tout en respectant des contraintes systémiques et environnementales. Ce problème se modélise en trois parties [1] : un problème de planification de déplacement modélisant des trajectoires d'évitement du mobile détecté ; un modèle de théorie des jeux modélisant les stratégies entre le détecteur et le détecté ; un problème d'optimisation modélisant la configuration du réseau de capteurs. Inconvénients des solutions actuelles : Les solutions existantes s'appuient sur des calculs de couverture géométriques, trop peu informatifs en regard d'une problématique radar. Les travaux sur le modèle en 3 couches utilisent des modules trop simplificateurs (parcours de graphe ou Monte Carlo, jeux à information complète, énumération ou optimisation convexe, modèles capteurs simplifiés). Avantages de la solution envisagée : Utilisation d'approches informative : optimisation sur probabilité de détection de trajectoires avec contraintes plus réalistes, modèles capteurs/cibles plus réalistes, algorithmes de recherche plus performants. Les applications envisagées se répartissent sur différents systèmes Thales: réseaux de radars, de sonars, de drones de surveillances, de caméras, de capteurs audio, de satellites, etc. Thales dispose notamment d'une expertise au sein de ses divisions « systèmes sous-marins » et « radars de surface », où des travaux sont menés sur le sujet, en vue d'applications concrètes. L'objectif de la thèse est d'étudier les possibilités d'amélioration de l'état de l'art, principalement sur les algorithmes d'optimisation de la configuration

  • Titre traduit

    ARTIFICIAL INTELLIGENCE FOR THE CONFIGURATION OF SENSOR NETWORKS


  • Résumé

    We study sensor networks problems in which sensors need to be placed so as to to maximize the probability of detecting moving obstacles. The heart of this system is a mathematical optimization problem where we look for a configuration and placement strategy that maximize the detection probability of the sensor network while respecting systemic and environmental constraints. This problem is modeled in three parts, cf. reference [1]: 1) a motion planning problem, which models the paths taken by a moving object that minimizes the probability of being detected; 2) a game theoretic model which models the different strategies of the detector and the detected; 3) an optimization problem modeling the configuration of the sensor network. Disadvantages of existing solutions: State-of-the-art solutions use too simplistic assumptions (e.g., complete information of all involved parties, simplified sensor models) and algorithms (e.g., simple graph algorithms, Monte Carlo runs, enumeration, convex optimization). They can therefore not capture the true complexity of the actual sensor network problem and offer sub-optimal solutions. The objective of the thesis is to enhance the state-of-the-art in the sensor network problems, with a strong focus on the optimization of the network configuration. To this end, we aim to establish information-based approaches, in particular: the optimization of detection probability of trajectories with more realistic constraints, more realistic sensor / target models, and more efficient search algorithms. The envisaged applications are spread over different Thales systems: radar networks, sonars, surveillance drones, cameras, audio sensors, satellites, etc. Thales notably has expertise in its 'underwater systems' and 'surface radar' divisions, where this work finds several applications.