Apprentissage de la prise de décision à haut niveau des véhicules autonomes par généralisation de la description du contexte opérationnel via des HiGraphs sémantiques
FR |
EN
Auteur / Autrice : | Victor Talpaert |
Direction : | Bruno Monsuez, Antoine Manzanera |
Type : | Projet de thèse |
Discipline(s) : | Informatique, données, IA |
Date : | Inscription en doctorat le 01/08/2018 |
Etablissement(s) : | Institut polytechnique de Paris |
Ecole(s) doctorale(s) : | École doctorale de l'Institut polytechnique de Paris |
Partenaire(s) de recherche : | Laboratoire : U2IS - Unité d'Informatique et d'Ingénierie des Systèmes |
Equipe de recherche : SAR - Systèmes Autonomes et Robotique |
Mots clés
FR |
EN
Résumé
FR |
EN
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.