Direction scientifique
Transfert de connaissances vers l'industrie

Nos Thèses par thème

Sciences pour l'ingénieur >> Mathématiques - Analyse numérique - Simulation
8 proposition(s).

Apprentissage par renforcement inverse d'une tâche effectuée par un humain

DPLOIRE (CTReg)

Autre

Master2 recherche en informatique ou robotique

01-01-2019

SL-DRT-19-0262

laurent.dolle@cea.fr

L'apprentissage par démonstration consiste à permettre à un agent (ex. un robot) d'apprendre une tâche par l'observation d'un autre agent (ex. un humain) réalisant cette même tâche. Les méthodes d'apprentissage par renforcement sont souvent utilisées dans ce cadre afin d'améliorer la capacité du robot à réaliser une tâche dans de nouvelles situations, mais elles nécessitent de définir une fonction de récompense qui renforcera les actions permettant d'atteindre l'objectif. Si cette fonction est délicate à concevoir lorsque la tâche est complexe, il est possible de l'apprendre à partir d'une série d'exemples par des méthodes dites d'apprentissage par renforcement inverse. L'utilisation, conjointe ou non, de ces techniques a montré des premiers résultats encourageants, mais qui sont limités à des exemples jouets et ne peuvent être adaptés tels quels à des tâches plus représentatives du milieu industriel. Au cours de la thèse, l'étudiant analysera et testera des travaux précédents à l'état de l'art. Il proposera alors une méthode, en combinant l'apprentissage par renforcement inverse à d'autres algorithmes (ex. generative adversarial networks, GAN), afin que le robot comprenne la tâche accomplie par l'opérateur (avec un minimum d'information de l'a part de l'opérateur), et généralisera suffisamment pour rendre le robot robuste à un environnement dynamique (obstacles, objets en mouvement ...). Cette méthode devrait être adaptée pour une tâche de « pick and place » dans un environnement industriel et assurer une période d'apprentissage raisonnable (information a priori, retour d'expérience de l'opérateur) pour des tâches de complexité moyenne.

Extraction d'objets 3D dans les scènes 3D

DPLOIRE (CTReg)

Autre

Informatique, Intelligence Artificielle, Vision par Ordinateur,

01-01-2019

SL-DRT-19-0269

anthony.mouraud@cea.fr

La détection et la localisation d'objets par l'image est une problématique étudiée depuis de nombreuses années. Les dernières évolutions technologiques permettent désormais l'acquisition temps-réel de données de profondeur couplées aux données de couleur (RGBD). Dans le même temps, les capacités de calcul de machines modernes ainsi que les méthodes de traitement intelligent de l'image ont permis des avancées significatives dans la détection/localisation d'objets en 2D selon différents angles d'approche (boites englobantes, contours, à partir de modèles CAO ?). Une étape importante est en passe d'être franchie ces dernières années avec les recherches menées pour extraire directement la volumétrie des objets détectés ainsi que leur position, en 3D. Ces travaux en sont encore à leurs débuts mais les premiers résultats sont encourageants tant à partir d'images 2D (ex. DeepManta) qu'à partir d'images 3D (ex. Deep Sliding Shapes). Malgré tout subsistent plusieurs verrous scientifiques/technologiques identifiables avant de permettre la démocratisation de ce type d'approche pour l'extraction automatique d'objets dans des scènes potentiellement inconnues. L'objectif de ce travail est d'identifier les approches actuelles de détection/localisation d'objets 3D, d'identifier leurs faiblesses et de travailler à de nouvelles technologies de traitement pour pallier celles-ci. Par ailleurs, la découverte d'objets dans des environnements inconnus et l'inférence de l'intention de l'opérateur par observation/localisation de son attention sont deux axes d'intérêt que ces travaux ambitionnent d'aborder. Au-delà de leurs applications pour l'apprentissage par démonstration, les briques logicielles issues de ce projet pourront également être réutilisées pour d'autres applications telles que la réalité augmentée (scan « intelligent », etc.), la surveillance ou la mobilité par exemple, ?

Imageur SPAD multimodal par temps de vol exploitant la fusion de données

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Circuits Intégrés, Intelligents pour l'Image

MSc, diplôme d'ingénieur

01-10-2019

SL-DRT-19-0301

william.guicquero@cea.fr

Les capteurs de profondeurs représentent actuellement un sujet très porteur. En effet, dans les domaines du transport, des dispositifs électroniques portables et de l'internet des objets, les données d'images tridimensionnelles tendent à se démocratiser de façon à offrir de nouvelles opportunités applicatives. Il existe une grande diversité de technologies de capteurs 3D, soit par imagerie passive (defocus, stéréovision, pixels à phase?) ou par imagerie active (ultrasons, lumière structurée, temps de vol?). Chacun de ces systèmes répond à certaines contraintes en termes de dynamique de profondeur acquise notamment (précision de la mesure, distance maximum). Dans cette thèse, nous étudierons le cas spécifique des photodiodes à avalanche (SPAD). Les résultats scientifiques récents concernant ce composant électro-photonique tendent à démontrer sa pertinence dans le contexte d'un usage pour de l'imagerie par temps de vol (ToF), en particulier dans le cas d'une intégration avec un flot de conception 3D afin d'avoir un pas pixel de l'ordre de la dizaine de micromètre. Cependant, la nature des données collectées par ce type de composant nécessite d'importants traitements au sein du capteur pour en extraire une information pertinente. L'objet de cette thèse sera de revisiter les approches traditionnelles de traitement de l'histogramme issu des SPADs par une extraction directe de caractéristiques des données brutes. Deux volets seront abordés en fonction du profil du candidat, le premier portera sur les modifications possibles des architectures de capteurs à SPAD permettant de tirer des informations multi-modales tandis que le second sera plus théorique concernant des méthodes de fusion de données afin d'améliorer la qualité de la reconstruction des cartes de profondeur.

Etude et implémentation d'algorithmes de deep learning non récurrents pour le traitements de séquences temporelles

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Calcul Embarqué

Master 2 avec spécialité en deep learning

01-01-2019

SL-DRT-19-0393

david.briand@cea.fr

Les réseaux de neurones récurrents ? et notamment la variante Long-Short Term Memory (LSTM) ? sont aujourd'hui à l'état de l'art dans de nombreux problèmes de classification de séquences temporelles et notamment les applications de reconnaissance vocale (à partir de 2015 pour Android) et de traduction (à partir de 2016 chez Google, Apple et Facebook). Ce type d'algorithme a également été appliqué avec succès pour des applications telles que la reconnaissance d'évènement audio, le débruitage, la modélisation du langage, la génération de séquences etc. Le succès que connaissent aujourd'hui ces approches se fait toutefois au prix de puissance de calcul extrêmement importante. Ainsi, la plupart de ces algorithmes sont exécutés sur le Cloud et non sur l'Edge. En outre, les réseaux récurrents sont très sensibles aux paramètres d'apprentissage et peuvent être difficile à faire converger du fait que les gradients interne à leur structure récurrente peuvent facilement exploser ou au contraire se réduire à zéro. De ce fait, l'adaptation de ces algorithmes pour une implémentation embarquée n'est pas simple, car la récurrence implique une précision élevée et en partie séquentielle (latence importante) des calculs. Certaines techniques visant à contourner ces difficultés commencent à émerger mais restent encore relativement confidentielles. Parmi elles, une technique non récurrente permettant de réaliser un traitement de séquences et présentant donc moins de contraintes que les réseaux LSTM semble prometteuse : les réseaux hiérarchiques. Les réseaux de convolution temporels (TCN) en sont une application. Les avantages et inconvénients de ce modèle notamment sont mis en évidence dans « An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling » (Shaojie Bai, J. Zico Kolter, Vladlen Koltun). Une implémentation basique de chacune des structures révèle que les TCN sont plus efficaces dans la quasi-totalité des cas référents. Les gradients internes sont beaucoup plus stables et les calculs sont facilement parallélisables du fait de l'élimination de la récurrence.

Spectroscopie de réflectance diffuse proche infrarouge pour des dispositifs médicaux de détection moléculaire non invasive

Département Microtechnologies pour la Biologie et la Santé (LETI)

Laboratoire Imagerie et Systèmes d'Acquisition

école d'ingenieur ou master 2 mesures physique, instrumentation optique/photonique

01-10-2019

SL-DRT-19-0562

anne.koenig@cea.fr

Le diabète représente aujourd'hui un enjeu de santé publique et industriel majeur, le nombre de diabétiques dans le monde étant évalué à 415 millions. Jusqu'à récemment, pour contrôler leur glycémie, les patients devaient se piquer l'extrémité du doigt. Pour éviter cet inconvénient, des laboratoires proposent depuis quelque temps des systèmes de mesure peu invasifs, interrogeables à l'aide d'un smartphone. Cette évolution, quoique majeure, pose encore de nombreux problèmes, tels son coût, son encombrement, ou encore son aspect invasif, même réduit. A ce titre, un capteur optique, fiable, peu onéreux représenterait une percée majeure: de nombreux acteurs de la microélectronique tels Apple ou Google produisent un effort en ce sens. Il a été montré que In vitro, la mesure de sucre peut être réalisée par spectroscopie en milieu diffus dans le SWIR (Short Wave Infra Red - gamme de longueur d'onde 1 - 1.7µm). Une fraction des photons produits par une source lumineuse (émetteur) immergée diffusent dans le liquide et ressortent de celui-ci par le jeu de multiples réflexions. Le sucre absorbant sur une bande autour de 1.5µm, la fraction de lumière ressortant et détectée dans cette gamme sera d'autant plus faible que la concentration en sucre sera élevée. Une analyse multispectrale permet d'obtenir des mesures de concentration fidèles à la réalité. In vivo, les résultats sont nettement moins bons du fait de l'hétérogénéité des tissus biologiques et de la présence de nombreux interférents (autres absorbants). L'objet de la thèse consiste à lever ces biais en développant un nouveau type de capteur médical optique comprenant d'une part plusieurs émetteurs, d'autres part une pluralité de détecteurs. Ce sujet s'adresse à un candidat qui devra avoir reçu une formation de physicien avec un solide module consacré à l'optique/photonique, intéressé par un travail à l'interface entre la physique et la biologie.

Algorithmie quantique pour le calcul des temps d'exécution pire cas (WCET) de tâches temps-réelles classiques

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Calcul Embarqué

informatique, mathématiques appliquées

01-10-2019

SL-DRT-19-0568

sergiu.carpov@cea.fr

Les temps d'exécution pire-cas parfois connus sous l'acronyme anglais WCET pour Worst-Case Execution Time sont des données fondamentales pour la validation et la sûreté des systèmes temps-réel et faire leur preuve d'ordonançabilité.Cependant calculer un WCET à la fois sûr (majorant stricte) mais pas trop pessimiste afin de réduire les coûts et la complexité de tels systèmes temps-réels est un enjeu majeur toujours pas complètement réalisé surtout que dans le même temps les architectures matérielles des systèmes embarqués tend à se complexifier (pipelines, caches, multic?urs, etc.). Le but de cette thèse est de s'appuyer sur l'état de l'art des méthodes de calculs des WCETs pour déterminer ce que les calculateurs quantiques peuvent apporter en précision et en capacité d'analyse sur de tels problèmes. Il sera possible dans ce cadre de s'éloigner des consignes très strictes usuellement associées au calculs classiques de WCET.

Microscopie sans lentille 3d couplee a un reseau de neurones profond

Département Microtechnologies pour la Biologie et la Santé (LETI)

Laboratoire Imagerie et Systèmes d'Acquisition

Ingénieur Intelligence Artificielle / Optique

01-09-2019

SL-DRT-19-0605

lionel.herve@cea.fr

Au CEA-Leti, nous développons la microscopie sans lentille pour le suivi des cultures cellulaires. Cette technique repousse plusieurs limites de la microscopie conventionnelle (compacité, champ de vision, quantification, etc.). Nous avons récemment montré, pour la première fois, des séquences 3D+temps de culture de cellules 3D avec un microscope sans lentille. Nous avons observé des cellules sans aucun marquage dans un volume pouvant atteindre plusieurs millimètres cubes sur plusieurs jours. Cette nouvelle méthode de microscopie nous a permis d'observer un large éventail de phénomènes uniquement présents dans des environnements 3D. Toutefois ce prototype de microscope a encore les défauts d'un long temps de calcul pour la reconstruction (> 1 heure / image) et les volumes reconstruits présentent des artefacts dus au nombre limité d'acquisitions angulaires. Le travail de thèse portera sur la capacité des technologies de réseau de neurones profond à surmonter les limitations susmentionnées. Il s'agira d'obtenir un réseau de neurones de convolution sur la base de simulations de volumes de cultures cellulaires 3D (références) et de la réponse simulée de notre microscope 3D sans lentille actuel (entrées). Cette solution devrait permettre d'accélérer le processus de reconstruction et de fournir une reconstruction correcte de l'ensemble du volume. Cette approche posera deux questions scientifiques: est-ce qu'il est pertinent de simuler des données pour entraîner un réseau de neurones et comment évaluer la qualité de la reconstruction 3D obtenue via un réseau de neurones ? Profil du candidat recherché: - Diplôme d'ingénieur en mathématiques appliquées ou en sciences physiques. - Solides connaissances dans le traitement de l'image avec des compétences dans l'apprentissage en profondeur.

Wake-Up Radio MultiBande Spintronique

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Architectures Intégrées Radiofréquences

Ecole d'ingénieur traitement du signal, electronique

01-09-2019

SL-DRT-19-0645

dominique.morche@cea.fr

Le nombre d'objets communicants et de capteurs intelligents est en fort croissance. En conséquence la consommation énergétique augmente, nécessitant des nouvelles approches pour l'opération de tels systèmes communicants. En effet ce sont les modules RxTx (transceiver) qui sont les plus gourmands en énergie. Une manière de réduire la consommation énergétique est de les réveiller, autrement dit de les alimenter uniquement au moment où ils sont sollicités. On utilise alors un récepteur de réveil (wake-up radio receiver WuRx) à des performances dégradées, qui à son tour doit être ultra-basse consommation et qui doit être immune contre les signaux parasites (réveil non-intentionné). La thèse propose de démontrer de tels WuRx basé sur les concepts de la spintronique. Les études récentes montrent que les dispositifs spintroniques peuvent servir de convertisseurs rf-DC en agissant comme des démodulateurs passifs et sélectifs en fréquence, possédant une grande sensibilité à faible puissance. LETI/DACLE et INAC/SPINTEC travaillent ensemble sur la réalisation de tels WuRx spintroniques et la thèse sera à l'interface des deux laboratoires. SPINTEC réalisera les dispositifs spintroniques et optimisera leurs performances pour augmenter leur sensibilité à des faibles puissances. Le but principal de la thèse sera la réalisation des réseaux d'antennes et des circuits rf avec les chercheurs du LETI/DACLE. Pour ceci l'étudiant(e) sera formé(e) dans une première phase à SPINTEC pour caractériser les dispositifs spintroniques, ensuite réalisera les circuits WuRx ainsi les tests sur l'assemblage circuit WuRx & nanodispositif spintronique afin d'évaluer les performances et pour optimiser itérativement les circuits.

Voir toutes nos offres