Apprentissage de la prise de décision à haut niveau des véhicules autonomes par généralisation de la description du contexte opérationnel via des HiGraphs sémantiques

par Victor Talpaert

Projet de thèse en Informatique, données, IA

Sous la direction de Bruno Monsuez et de Antoine Manzanera.

Thèses en préparation à l'Institut polytechnique de Paris , dans le cadre de École doctorale de l'Institut polytechnique de Paris , en partenariat avec U2IS - Unité d'Informatique et d'Ingénierie des Systèmes  (laboratoire) et de Systèmes Autonomes et Robotique (equipe de recherche) depuis le 01-08-2018 .

mots clés

• Deep learning
• Machine learning
• Conduite autonome
• Prise de décision
• Véhicule autonome

Résumé

Dans le cadre de la conduite autonome, la thèse se concentre sur la liaison entre Perception et Contrôle. En effet la multitude de sources hétérogènes d'information requiert une interprétation abstraite de la situation. Cette interprétation de contexte bénéficie à être proche du modèle humain ou du moins à fournir une explication sur ses décisions compréhensible par un humain. Nous utilisons le deep learning dans le but de capturer les interdépendances entre les sources. Le système obtenu devra prendre en compte les variations d'échelles temporelles et spatiales des informations.

mots clés

• Decision making
• Autonomous driving
• Autonomous vehicle
• Deep learning

Titre traduit

Learning high level decision making for Autonomous Driving by generalising the operational context description using semantic higraphs

Résumé

In the context of autonomous driving, the thesis focuses on the link between Perception and Control. Indeed due to the multitude of heterogeneous sources of information, the final scene interpretation ought to be abstract enough to be dissociated from the data. This context interpretation could be inspired from human reasoning, or should at least give human readable feedback on its decision process. We leverage deep learning techniques in order to capture the sources' interdependencies. The resulting system should take into account the temporal and spatial variations in the provided information.