M2 Réalité Virtuelle et Systèmes Intelligents

Richard RENOU, PRCE.

• 10 TD de deux heures chaque semaine. Cours portant sur le travail des 5 compétences langagières. Présentation orale de chaque étudiant/ discussion ouverte sur les différentes thématiques / compréhension de texte et d’audio/vidéo / rédaction d’essais. Devoirs donnés chaque semaine. Evaluations du contrôle continu portant sur les 5 compétences.

• 5 TD de deux heures en laboratoire de langue (24 postes maxi) : entrainement à la certification du TOEIC sur simulateur. Evaluation du contrôle continu un test TOEIC

Pas d’examen final. Le contrôle continu compte pour 100% de la note. Seulement deux absences non justifiées autorisées. En cas d’absences régulières non justifiées, l’étudiant passe automatiquement en session de deuxième chance.

Ce cours a pour objectif de consolider et développer les compétences linguistiques qui fourniront les outils pour communiquer dans un environnement scolaire, professionnel et/ou personnel internationalisé et varié. Il amorce l’ouverture culturelle et internationale, et prépare aux examens de niveau international.
Anglais général :
Cours d’anglais général, de niveaux variés, où sont appris, pratiqués et approfondis grammaire, vocabulaire, lecture, écriture, langue parlée et écoute.
Préparation aux examens de niveau international (TOEIC) par groupes de niveaux (cadre européen commun de référence).

Cours spécifiques :
Approfondissement de la langue et de la culture à travers des thèmes relevant de grands enjeux sociétaux.
Deux thématiques sont abordées dans le semestre : travail sur les 5 activités langagières et rappel de grammaire faits en contexte.
• Data privacy
• Artificial intelligence
Communication écrite et orale en vue de démarches d’expatriation.

How to Write and Publish a Scientific Paper Robert Day, Barbara Gastel Cambridge, 319 pages

La grammaire anglaise de l'étudiant, Serge Berland-Delépine, Jean-Louis Duchet, Ophrys.

Nombreux sites en ligne (news, exercices), liste évolutive fournie aux étudiants ) chaque début de semestre. Deux brochures de documents supports et grammaire faites par l’enseignant, données à la première séance, à apporter à chaque cours.

Septembre - Octobre - Novembre - Décembre.

EVRY

Guillaume Bouyer (McF IBISC-ENSIIE), Guillaume Loup (McF,UEVE).

Cours, travaux dirigés et travaux pratiques et projet utilisant la plate forme de réalité virtuelle d’IBISC.

Objectifs : Sensibiliser les étudiants à ce nouveau domaine scientifique et technique, et
présenter ses fondements aussi bien technologiques que théoriques. Apprendre les bases pour
la conception d’applications de RV et d’interactions 3D multimodales.
Contenu des enseignements :
— Concepts de base, historique et applications de la Réalité Virtuelle
— Canaux sensori-moteurs et interfaces
— Principes de conception d'applications de RV
— Interactions 3D, feedbacks et multimodalité
— Initiation à la recherche bibliographique.

— P. Fuchs et al., Traité de la Réalité Virtuelle (3ème édition), Presses de l’Ecole des Mines de Paris, 2005. — Bowman, D. A., Kruijff, E., LaViola Jr, J. J., and Poupyrev, I. (2004). 3D user interfaces : theory and practice. Addison-Wesley.

Septembre - Octobre - Novembre.

EVRY

Davis Roussel (McF, IBISC-ENSIIE), Samir Otmane (PR, IBISC-UEVE), Amine Chellali (McF, IBISC-UEVE).

Cours, travaux dirigés et travaux pratiques et projet utilisant la plate forme de réalité virtuelle d’IBISC.

Objectifs : Présenter les différents paradigmes d’interaction et de retour sensoriels utilisés
en réalité virtuelle et augmentée ainsi que solutions technologiques adaptées.
Contenu des enseignements :
— Concepts de base de l’interaction homme machine
— Conception centrée utilisateurs des systèmes interactifs
— Interactions 3D : (Navigation ; Sélection 3D ; Manipulation ; Contrôle d’application)
— Réalité Virtuelle :(Généralités et définitions; Modélisation; Retour visuel; Tracking et capteurs ; Retour sonore ; Retour haptique)
— Réalité Augmentée :(Définitions; Mixage visuel; Mixage sonore; Mixages haptique et tactile ; Interfaces tangibles)
— Application : conception d’un technique d’interaction 3D pour une application en RV.

— Bowman, Bowman, D. A., Kruijff, E., LaViola, J. J., and Poupyrev, I. 3D User Inter- faces : Theory and Practice. Addison Wesley Longman Publishing Co., 2004. — J.J. Kim, "Virtual Reality : Part 1- Human-Computer Interaction, and Part 2 Advanced Virtual Reality Technologies" ISBN : 978-953-307-518-1, Intech Open access publisher, 2011. — Bimber, O. and Raskar, R. "Spatial Augmented Reality : Merging Real and Virtual Worlds". A. K. Peters, Ltd., Natick, MA, USA, 2005.

Septembre - Octobre - Novembre.

EVRY

Olivier STAB (Enseignant chercheur, Mines ParisTech) Guillaume Loup (McF, CNU 27, IBISC/UEVE).

Cours, travaux dirigés et travaux pratiques et projet utilisant des librairies et programmes communautaires.

Objectifs : Présenter les modèles informatiques et les algorithmes nécessaires à la description
des environnements virtuels animés. L’objectif est de donner des bases théoriques solides pour construire et manipuler les modèles géométriques à l’aide de techniques avancées qui seront expérimentées en Travaux Pratiques.
Contenu des enseignements :
— Modélisation géométrique : Représentations frontières, topologie et relation d’Euler,
— Fonctions algébriques, champs scalaires (Blob Metaball) et modèles d’énumération,
— Constructive Solid Geometry, Scene Graph, et animation de corps articulés (Coordonnées
homogènes, Quaternion).
— Algorithmes de base sur les modèles géométriques : localisation d’un point, calculs d’in-
tersection, opérations booléennes, détection de collision, dilatation, etc.
— Méthodes de conversions entre les modèles géométriques : Marching-cube, somme de
Minkowski, etc.
— Techniques algorithmiques et Structures de recherche spatiale (Octree, KDtree, BSP etc.),
— Algorithmique Géométrique : Calcul des enveloppes convexes, Triangulations de Delau-
nay, Graphes de Voronoi, KPPV.
— Applications (TP sur Scilab, Unity3D, MeshLab) : synthèse d’image, animation de corps
articulés, évitement d’obstacles, nettoyage de modèles.

—Introduction à la modélisation et à l’algorithmique géométrique. O.Stab (www.ensmp.fr/ stab/geomodeling.pdf) — Geometric Modeling. Mortenson –3rd edition (2006) Wiley — Computer Graphics, principles and practice, Foley, Van Dam-3rd edition (2013) Addison Wesley — Computational Geometry, Algorithms and Application, M.Berg al, Springer — Computer Animation Algorithms Techniques, Rick-Parent- 3rd edition, Morgan Kauf- mann.

Septembre - Octobre - Novembre.

EVRY

Malik MALLEM (PR CNU 61/IBISC); David ROUSSEL (McF CNU 61-ENSIIE/IBISC).

Cours, travaux dirigés et travaux pratiques et projet utilisant des librairies et programmes communautaires.

Objectifs : présenter les différents procédés et algorithmes de géometrie N-vues et de recon-
naissance automatique de l’environnement, afin de permettre la mise en oeuvre d'applications
de réalité augmentée.
Contenu des enseignements :
— géométrie à 2 vues : géometrie épipolaire et homographies
— méthodes de localisation et de cartographie automatique
— méthodes de reconnaissance automatique d’objets : autocalibration
— géométrie à 3 vues : tenseur trifocal
— géométrie N-vues.

— David A. Forsyth, Jean Ponce "Computer Vision : A Modern Approach", Prentice Hall, 2002 — Hartley, R. I. and Zisserman, A."Multiple View Geometry in Computer Vision", Cambridge University Press 2004 — Richard Szeliski, Computer Vision: Algorithms and Applications, Springer 2010.

Octobre - Novembre - Décembre.

EVRY

Malik Mallem (PR, IBISC), Jean-Yves Didier(McF-HDR, IBISC-UEVE).

Cours, travaux dirigés et travaux pratiques utilisant des librairies et programmes communautaires.

Objectifs : présenter les différents procédés et algorithmes de perception et d’inférence et
de suivi 3D de l’environnement, afin de permettre la mise en oeuvre des applications de réalité augmentée.
Contenu des enseignements :
— Bases de la géométrie projective
— Modélisation et calibration de capteurs
— Méthodes d’inférence 3D
— Méthodes PnP de calcul de pose
— Méthodes analytique et numérique de suivi 3D.

— R. Horaud, "vision par ordinateur", hermes 1995 — David A. Forsyth, Jean Ponce "Computer Vision : A Modern Approach", Prentice Hall, 2002 — Richard Szeliski, Computer Vision: Algorithms and Applications, Springer 2010.

Septembre - Octobre - Novembre.

EVRY

Nicolas Rougon(McF, Samovar-TSP), Titus Zaharia (PR, Samovar-TSP).

Objectifs : présenter les concepts fondamentaux de la vision par ordinateur : forme, mou-
vement, texture et échelle.
Contenu des enseignements :
— morphologie mathématique : ligne de partage des eaux, coût de connexion, géodésie
— modèle de contours déformables : application à la segmentation en imagerie médicale
— théorie des espaces d’échelles d’images et de formes
— analyse et segmentation du mouvement
— compression et transmission d’images.

Octobre - Novembre - Décembre.

EVRY

Hedi Tabia, PR CNU 61/IBISC ; Malik Mallem, PR CNU 61/IBISC.

Cours et travaux pratiques sur machine utilisant des bases d'apprentissage communautaires.

Ce cours porte principalement sur l’apprentissage profond et les réseaux de
neurones convolutionnels pour la vision artificielle.
Contenu des enseignements :
— Approche fondée sur les données pour la classification
— Introduction aux réseaux de neurones
— Réseaux de neurones convolutionnels
— Architectures d’apprentissage en profondeur
— Réseaux de neurones récurrents
— Graphique des réseaux de neurones
— Autoencodeurs variationnels et modèles génératifs
— Apprentissage profond pour le traitement d’images
— IA une perspective de l’interaction homme-machine.

— Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016. — Davies, E. Roy. Computer vision : principles, algorithms, applications, learning. Academic Press, 2017.

Octobre - Novembre - Décembre.

EVRY

Dijana Petrovska Delacrétaz (McF- CNRS Samovar-TSP), Bernadette Dorizzi (Prof- CNRS Samovar-TSP).

Cours, travaux dirigés et travaux pratiques utilisant des bases de données communautaires.

Objectifs : Maitriser quelques méthodes et outils de base classiques de la reconnaissance de
formes et aborder les thématiques récentes de « machine learning ». Comparer les avantages et inconvénients de ces méthodes en les appliquant à des cas concrets et sur des bases de données récentes de biométrie.
Contenu des enseignements :
— Introduction : de la reconnaissance de forme au « deep learning »
— Apprentissage non-supervisé (« clustering ») et son utilité pour traiter les « big data »
— Modélisation des données avec de Mélanges de Gaussiennes (« Gaussian Mixture Models
– GMM ») et leur application à la reconnaissance du locuteur.
— L’évolution des méthodes de reconnaissance des visages : de l’Analyse en composantes
principale (« Principal Component Analysis »-PCA) au réseaux de neurones profonds.
— Mini-projets personnels : ayant comme objectif de se familiariser avec la recherche et
mettre en application ce qui a été appris.

— Deep learning with Python, Francois Chollet, 2018, Manning Publications Company — Pattern Classification and Scene Analysis ; R.O. Duda, P.E. Hart, John Wiley Sons,2001 — Guide to Biometric Reference Systems and Performance Evaluation; D. Petrovska- Delacrétaz, G.Chollet, B. Dorizzi, (Eds.), Springer 2009 — State-of-the-art face recognition performance using publicly available software and da- tasets ; Mohamed Amine Hmani, (2018).2018 4th International Conference on Advanced Technologies for Signal and Image Processing (ATSIP), 1–6.

Septembre - Octobre - Novembre.

EVRY

Khalifa DJEMAL (MCF-HDR, IBISC), Hichem MAAREF (PU- IBISC), Claire VASILJEVIC (MCF, IBISC).

Cours, travaux dirigés et travaux pratiques utilisant des bases de données communautaires.

Objectifs : Présenter les méthodes de traitement et analyse de données basées princi-
palement sur les approches d’apprentissage. Nous nous intéresserons aux compétences et savoir-faire nécessaires en apprentissage automatique (Machine Learning). Avec des applications liées aux systèmes d’identification et de reconnaissance dans un environnement réel ou virtuel.
Contenu des enseignements :
— Caractéristiques spatiales et fréquentielles des signaux et des images
— Extraction de caractéristiques et classification par différentes approches
— Sélection de caractéristiques pertinentes (ACP, Algorithmes génétiques..,)
— Apprentissage automatique (Machine Learning).

— Introduction au Machine learning, Chloé-agathe Azencott, DUNOND, septembre 2018. — Data science : fondamentaux et études de cas, Machine Learning avec Python R, Eric Biernat, Michel Lutz, EYROLLES septembre 2015.

Septembre - Octobre - Novembre.

EVRY

Said Mammar(PR-CNU61, IBISC-UEVE), Lydie Nouvelière (McF-HDR-CNU63, IBISC- UEVE).

Cours, travaux dirigés et travaux pratiques et projet utilisant la plate forme véhicule intelligent d’IBISC.

Objectifs : Maîtrise des lois de commande avancée dans le contexte d’un système inter-
agissant avec son environnement et savoir les appliquer au cas d’application du véhicule
intelligent
Contenu des enseignements :
— Dynamique des véhicules et son environnement
— Commande par modes-glissants
— Méthodes de Lyapunov
— Commande robuste multi-critères
— Commande hybride
— Technologies des systèmes d’interface (capteurs et actionneurs), Contraintes numériques
— Dimensionnement et implantation d’algorithmes de commande
— Application à la conduite automobile assistée et autonome.

— Vehicle Dynamics and Control, Rajamani, Rajes, ISBN 978-1-4614-1433-9, Springer — Linear Robust Control, Michael Green, David J.N. Limebeer, 978-0131022782, Pearson. — Sliding Mode Control and Observation, Christopher Edwards, Leonid Fridman, Arie Le- vant, 978-1489991225.

Septembre - Octobre - Novembre.

EVRY

Dominique Gruyer (DR, IFSTTAR).

Cours, travaux dirigés et travaux pratiques et projet utilisant la plate forme véhicule intelligent d’IBISC.

Objectifs : présenter les méthodes et technique de localisation d’un véhicule qui est une
composante indispensable pour réaliser la navigation.
Contenu des enseignements :
— Localisation hybride absolue
— Filtrage de Kalman et application à la localisation
— « Map-Matching »
— Fusion des données par la théorie des croyances.

— S. Botton and all, « GPS, Localisation et navigation », Edition Hermes, 1998. R.E Kal- man. A new approach to linear filtering and prediction system. Transactions of the ASME- Journal of Basic Engineering, 82(D) :35–45, 1960. — G. Shafer « A mathematical theory of evidence », Princeton University Press, 1976.

Septembre - Octobre - Novembre.

EVRY

Said MAMMAR (PR, IBISC-UEVE), Francis DUPIN (DR, IFSTTAR).

Cours, travaux dirigés et travaux pratiques et projet utilisant la plate forme véhicule intelligent d’IBISC.

Objectifs : Appréhender la problématique des systèmes embarqués dans un contexte de
coopération véhicule, infrastructure, conducteur. Ma^?triser les techniques de positionnement
absolu et relatif. .
Contenu des enseignements :
— aides à la conduite et électronique embarquée,
— architecture électronique des véhicules,
— protocoles CAN, standard OSEK
— méthodologie de conception
— introduction à AUTOSAR,
— systèmes satellitaires pour la localisation absolue et report sur cartographie numérique,
— systèmes de localisation relative
— étude de cas : de l’analyse du besoin à la réalisation.

— S. Botton and all, GPS, Localisation et navigation , Edition Hermes, 1998. — AUTOSAR website - http ://www.autosar.org/.

Septembre - Octobre - Novembre.

EVRY

Samir Otmane(PR, IBISC-UEVE), Jean-Yves Didier (McF,IBISC-UEVE), Amine Chellali(McF,IBISC-UEVE).

Cours, travaux dirigés et travaux pratiques et projet utilisant la plate forme de réalité virtuelle d’IBISC.

Objectifs : présenter les architectures logicielles de logiciel du travail collaboratif ainsi que les techniques d'interactions multi modales dans des environnements virtuels collaboratifs.
Contenu des enseignements :
— Travail Coopératif Assisté par Ordinateur (TCAO)
— Classification fonctionnelle des collecticiels
— Architectures Logicielles des collecticiels
— Etude de cas : IHMs pour les collecticiels
— Interactions multimodales dans les environnements virtuels collaboratifs — Interactions naturelles
— Interfaces tangibles
— Évaluation des systèmes interactifs : Mesures expérimentales, mise en place d’un plan expérimental, méthodes statistiques, analyse des données expérimentales, règles éthiques
— Application : mise en place d’une expérimentation pour évaluer un système interactif.

— S. Otmane, "Interaction et collaboration en réalité virtuelle et augmentée : Modèles d’as- sistance pour la conception des interface-homme-machine du futur" ISBN : 978-3-8417- 8484-1, Edition Universitaire Européennes, 2011. — Sylvia Ward, « Making sense of CSCW : A taxonomy of terminolgy », ISBN :978-3-8383- 1221-1, Lambert Academic Publishing. 2010. — D. Wigdor and D. Wixon, « Brave NUI world : Designing Natural User Interfaces for Touch and Gesture », ISBN : 978-0-12-382231-4, Elsevier, 2011.

Janvier - Février.

EVRY

Titus Zaharia (PR, Samovar-TSP) Nicolas Rougon(McF, Samovar-TSP).

Cours, travaux dirigés et travaux pratiques et projet utilisant des librairies et programmes communautaires.

Objectifs : présenter les principales méthodes d’animation de personnages virtuels 3D, de
corps et visage d’avatars de type humanoïde (FBA - Face and Body Animation), ainsi que les technologies adoptées par le standard MPEG-4.
Contenu des enseignements :
— Modélisation H-Anim d’humanoïdes virtuels
— Modèle d’animation BBA(Bone-Based Animation) — Modélisation physiques pour l’animation
— Modélisation de déformations non-rigides.

Janvier - Février.

EVRY

Malik MALLEM (PR, IBISC-UEVE), David ROUSSEL (McF, IBISC-ENSIIE).

Déroulement : •Information aux étudiants et accompagnement dans la recherche de stage •Validation du sujet et signature d’une convention •Suivi dans l’établissement d’accueil •Mémoire de stage et soutenance

Informations complémentaires : Le sujet du stage, doit impérativement avoir un lien avec le contenu des enseignements et les finalités de l'élément de formation, et est défini par le laboratoire ou l'entreprise et validé par les coordinateurs de l'UE. Les étudiants en bi cursus en école d'ingénieur peuvent établir la convention au nom de leur établissement d'origine. Une copie sera fournie à la scolarité de l'UEVE. Les modalités de recherche, déroulement du stage et de sa la soutenance sont disponibles sur e-campus ou sur le lien ci-dessus également : https://uevecloud.univ-evry.fr/d/eefa237f7a51475cbae8/.

L'objectif du stage de fin de cycle est de préparer le futur diplômé à l’insertion professionnelle en entreprise ou à une poursuite en doctorat en laboratoire de recherche. Il est mis en situation au sein de la structure d’accueil. Il sera alors en capacité de s'intégrer dans une équipe professionnelle au sein d'une entreprise ou de chercheurs au sein d’un laboratoire et de mettre en place les méthodologies adéquates pour répondre aux problématiques posées. L’équipe pédagogique valide le sujet de stage et opère un suivi en relation avec les tuteurs avec des rendus réguliers.

L’évaluation prend en compte le travail réalisé, le mémoire, l’avis du tuteur et une soutenance orale.
Programme :
- Intégration et application des codes de l'Entreprise ou de la recherche
- Travailler en équipe et respecter les jalons
- Réaliser un travail Professionnel ou un une recherche de qualité
- Rédiger un rapport écrit recensant l’état de l’art en recherche sur le sujet traité et réaliser une présentation orale en soutenance.

Guide du stage en entreprise, Michel Villette, Edition La Découverte, 2004 Site du MESRI : https://www.enseignementsup-recherche.gouv.fr/pid32310/guide-pratique-des-stages-etudiants.html.

Février - Mars - Avril - Mai - Juin - Juillet.

EVRY