Formation de haut niveau, au plus près des dernières technologies, en relation forte avec les industriels et les laboratoires de recherche reconnus dans le domaine des systèmes autonomes et des véhicules intelligents. A l'issue de la formation, les étudiants sont capables de :
* mettre en œuvre une approche " système " sur des problèmes concrets d'ingénierie dans les métiers de l'innovation,
* maîtriser toute la chaîne fonctionnelle associant des capteurs, des actionneurs et des effecteurs ainsi que les architectures matérielles et logicielles des interfaces entre les différents éléments d'un système automatique,
* maîtriser les outils de simulation et de prototypage rapide Logiciels-matériels,
* acquérir une vision transversale tout en ayant une excellente base scientifique en automatique des systèmes embarqués permettant ainsi la conception, le test, l'implantation et la validation de méthodes de commande,
* acquérir des connaissances approfondies en traitement du signal embarqué,
* être capable d'exploiter les signaux en sortie des capteurs embarqués, de les combiner, de fusionner l'information de plus haut niveau synthétisée à partir de ces signaux,
* acquérir les bases nécessaires au traitement des signaux bidimensionnels discrets issus des capteurs de type " caméra " (signaux image) et être capable de ce fait de concevoir et d'intégrer des algorithmes de perception de plus haut niveau,
* maîtriser les différentes architectures embarquées et la méthodologie des interfaces,
* savoir se conformer aux objectifs et contraintes de conception notamment technologiques,
* avoir un sens développé de l'analyse et de l'observation,
* avoir des capacités d'écoute, d'échange et de pédagogie,
* maîtriser l'anglais scientifique.
Lieu(x) d'enseignement
EVRY
Pré-requis, profil d’entrée permettant d'intégrer la formation
Etudiants ayant suivi une première année de master, Etudiant en 3ème année en école d'ingénieur ou titulaire d'un diplôme d'Ingénieur ou d'un M2 à l'étranger, dans les domaines suivants :
- GEII (Génie Electrique, Informatique industrielle)
- Informatique
- EEA (Electronique, Electrotechnique, Automatique)
- E3A (Electronique, Energie Electrique, Automatique)
- Traitement du signal et des images
- Automatique et Robotique
Compétences
Acquérir des connaissances approfondies en traitement du signal embarqué.
Etre capable d'exploiter les signaux en sortie des capteurs embarqués, de les combiner, de fusionner l'information de plus haut niveau synthétisée à partir de ces signaux.
Acquérir les bases nécessaires au traitement des signaux bidimensionnels discrets issus des capteurs de type " caméra " (signaux image) et être capable de ce fait de concevoir et d'intégrer des algorithmes de perception de plus haut niveau.
Acquérir une vision transversale tout en ayant une excellente base scientifique en automatique des systèmes embarqués permettant ainsi la conception, le test, l'implantation et la validation de méthodes de contrôle/commande.
Maîtriser toute la chaîne fonctionnelle associant des capteurs, des actionneurs et des effecteurs ainsi que les architectures matérielles et logicielles des interfaces entre les différents éléments d'un système autonome.
Maîtriser les techniques d'apprentissage (machine learning) et leur application au domaine de la conception des systèmes autonomes.
Profil de sortie des étudiants ayant suivi la formation
Les étudiants ayant suivi la formation auront acquis une double compétence commande/perception des systèmes autonomes. Ils seront :
- Futurs cadres dans les départements recherche et développement des grandes entreprises dans les secteurs de l'automobile ou la robotique.
- Futurs doctorants dans des laboratoires de recherche dont les thématiques sont en lien avec les véhicules intelligents, les systèmes autonomes, la robotique mobile.
Débouchés de la formation
A l'issue de la formation, les étudiants peuvent intégrer les départements d'étude et recherche des entreprises qui incorporent une automatisation avancée dans leurs systèmes embarqués mobiles (voiture, deux roues, robots, engins volants, etc.). Les débouchés industriels concernent des secteurs tels que les transports, la robotique mobile, l'automobile ou l'aéronautique. Ils peuvent aussi intégrer les laboratoires de recherche en tant que doctorant et préparer une thèse en contrôle/commande ou en perception des systèmes autonomes. Parmi les grandes entreprises ou établissements recrutant dans le domaine, citons : Thalès, PSA, Renault, EADS, Siemens, Veolia, Valeo, Schneider Electric, Safran, Akka, Alten. Ces fonctions sont également exercées dans des SSII sous-traitantes.
Collaboration(s)
Laboratoire(s) partenaire(s) de la formation
Informatique, Biologie Intégrative & Systèmes Complexes
Systèmes et Applications des Technologies de l'Information et de l'Energie.
IFSTTAR,IGN Matis.
Programme
Le semestre 1 comporte 4 groupes :
- Groupe 1 (obligatoire) : Formation générale (3 ECTS)
- Groupe 2 (obligatoire) : Tronc commun (4 UE, 12 ECTS)
Les étudiants choisissent ensuite l'un des deux sous-parcours au choix : "Perception ou "Automatique dans lesquels sont comptabilisées 5 UE à 3 ECTS qui sont à choisir parmi 6. Le nombre total d'ECTS est de 15 pour chaque sous-parcours.
- Groupe 3 : Sous-parcours "Perception (5 UE parmi 6, 15 ECTS)
- Groupe 4 : Sous-parcours "Automatique (5 UE parmi 6, 15 ECTS)15 ECTS).
Intitulé de l’UE en anglais :
Distributed monitoring and multi-agent systems
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Mohammed Chadli, Professeur, Université d'Evry Val d'Essonne
Saïd Mammar Professeur, Université d'Evry Val d'Essonne
Naïma Aït-Oufroukh, Maître de conférences, Université d'Evry Val d'Essonne
Dalil Ichalal, Maître de conférences, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
- Introduction to Cooperative Control of Multi-Agent Systems (MAS)
1.1 Consensus
1.2 Formation Control
1.3 Flocking
1.4 Graph Theory, Examples
2-Consensus Control & estimation of Linear MAS (Continuous-Time Case)
2.1 State Feedback Consensus Protocols.
Prérequis :
Linear system, state feedback control, Matlab.
Bibliographie :
Distributed Control of Robotic Networks
F. Bullo, J. Cortés, and S. Martínez
ISBN: 9780691141954. Princeton University Press, 2009.
Cooperative Control of Multi-Agent Systems-Optimal and Adaptive Design Approaches.
Frank L. Lewis, Hongwei Zhang, Kristian Hengster
DOI: https://doi.org/10.1007/978-1-4471-5574-4, Springer-Verlag London 2014.
Cooperative Control of Multi-Agent Systems: A Consensus Region Approach.
Zhongkui Li, Zhisheng Duan
CRC Press. ISBN 9781138073623. Taylor & Francis Group. 2015.
Cooperative Control of Distributed Multi-Agent Systems.
Jeff Shamma.
ISBN: 978-0-470-72419-4.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Janvier - Février.
Intitulé de l’UE en anglais :
Observers, virtual sensors
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Dalil Ichalal, Maître de conférences, Université d'Evry Val d'Essonne
Lydie Nouvelière, Maître de conférences, Université d'Evry Val d'Essonne
Saïd Mammar, Professeur, Université d'Evry Val d'Essonne
Mohammed Chadli, Professeur, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
Observabilité et Détectabilité des systèmes dynamiques. Reconstruction d’état : Approches déterministe, Approches stochastiques, Estimation d’entrées inconnues, Estimation robuste, Intégration observation-commande, Détection de défauts.
Approches multimodèles pour l’estimation
Approches algébriques pour l’estimation en temps fini
Les applications concernent l’estimation des variables de la dynamique véhicule (forces latérales, vitesse latérale,…) et des attributs de la route (adhérence, courbure,…).
Prérequis :
Automatique linéaire, espace d'état, modélisation LPV et polytopique, techniques LMI, algèbre linéaire et matricielle.
Bibliographie :
Observers in control systems, Georges Ellis, Academic Press, 2002
Fuzzy Control Systems Design and Analysis: A Linear Matrix Inequality Approach, Kazuo Tanaka, Hua O. Wang, Wiley 2010.
High gain Observers in Nonlinear Feedback Control. Hassan Khalil. Society for Industrial & Applied Mathematics. 2017.
Disturbance Observer Based Control. Li Shihua, Jun Yang. CRC Press. 2016.
Unknown Input State Estimators for Fault Detection and Isolation. Sharifuddin Mondal. LAP LAMBERT Academic Publishing. 2018.
New Trends in Observer-based control. Volume 1,2. Academic Press. O. Boubaker, Q. Zhu, M. Mahmoud
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Mohammed Chadli, Professeur, Université d'Evry Val d'Essonne
Saïd Mammar Professeur, Université d'Evry Val d'Essonne
Lydie Nouvelière, Maître de conférences, Université d'Evry Val d'Essonne
Dalil Ichalal, Maître de conférences, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Introduction aux systèmes non-linéaires, phénomènes non linéaires
2. Linéarisation : méthode, stabilité de modèle linéaire par la méthode de Lyapunov
3. Présentation multimodèle (qLPV) : Obtention, Intérêt, Outil LMI
4. Synthèse de contrôleurs - formulation LMI
4.1. Commande par retour d'état
4.2. Commande par retour de sortie (statique, dynamique)
4.3. Extension aux systèmes incertains (incertitudes paramétriques)
5. Applications : Véhicules, programmation LMI (LMIToolbox, Yalmip).
Prérequis :
Systèmes linéaires, commande par retour d’état, Matlab/Simulink.
Bibliographie :
Nonlinear Systems (Third Edition). Hassan Khalil ISBN 0-13-067389-7. Prentice Hall 2002.
Fuzzy Control Systems Design and Analysis: A Linear Matrix Inequality Approach. K. Tanaka, H. O. Wang ISBN-10: 0471323241. Wiley, 2001.
Multimodèles en automatique - Outils avancés d'analyse et de synthèse. M. Chadli, P. Borne. ISBN : 978-2-7462-3825-1. Hermes Science Publications. 2012.
Linear Matrix Inequalities in System and Control Theory. S. Boyd, L. El Ghaoui, E. Feron, and V. Balakrishnan. ISBN 0-89871-334-X. SIAM, 1994.
Intitulé de l’UE en anglais :
Advanced models for analysis and control
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Dalil Ichalal, Maître de conférences, Université d'Evry Val d'Essonne
Hichem Arioui, Maître de conférences, Université d'Evry Val d'Essonne
Saïd Mammar, Professeur, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
Mise en équation d’un système physique permettant de distinguer les différentes entrées et mesures. Modèles de synthèse : LTI, LTV, LPV, quasi-LPV, modèles algébro-différentiels, modèles non linéaire (affine en l’état ou en la commande), modèles polytopiques, modèles à commutation.
Analyse des modèles non-linéaires, Modèle Linéaire à Paramètres Variants, Modèles Flous, Stabilité, Analyse des bifurcations, Modélisation des incertitudes, Modèles continus discrets pour l’observation et la commande.
Application : modèles de la dynamique longitudinale et latérale des véhicules routiers.
Prérequis :
Modélisation et dynamique des véhicules, Automatique linéaire et non linéaire.
Bibliographie :
Fuzzy Control Systems Design and Analysis: A Linear Matrix Inequality Approach, Kazuo Tanaka, Hua O. Wang, Wiley 2010.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Integrated vehicle control
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Hichem Arioui, , Maître de conférences, Université d'Evry Val d'Essonne
Lamri Nehaoua, , Maître de conférences, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
- Mécatronique des véhicules automobiles: Domaines de commande (traction, châssis, habitacle, télématique et IHM), Bus automobiles et multiplexage (CAN, VAN, LIN, TTP/C, FlexRay, MOST), Calculateur automobile (Exigences et nécessités, architectures des EC.
Prérequis :
- Module modélisation des systèmes
- Notions solides de l’automatique niveau M1
- Utilisation avancée de Matlab et Simulink.
Bibliographie :
- N. Navet, Automotive Embedded Systems Handbook , CRC Press, 2008
- D. Paret, Multiplexed Networks for Embedded Systems: CAN, LIN, Flexray, Safe?by?Wire, John Wiley & Sons, 2007.
- P. Gaspar, Robust Control Design for Active Driver Assistance Systems , S.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Fault Tolerant and Secure Control Systems
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Mohammed Chadli, Professeur, Université d'Evry Val d'Essonne
Saïd Mammar, Professeur, Université d'Evry Val d'Essonne
Dalil Ichalal, Maître de conférences, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
Lectures: 10 hours. Seminars: 12 hours. Practical work: 8 hours.
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Introduction to Fault Diagnostic, Prognosis and System Monitoring
2. Model-based diagnosis: Sensor faults, actuator faults, residual generator design
2.1. Parity space approach, fault isolation
2.2. Observer approach (Linear observer, PI, Unknown Input Observer)
2.3. Multi-objective synthesis: Robustness/Sensitivity
2.4. Applications
3. Introduction to Fault Tolerant Control (Accommodation, reconfiguration ...)
4. FTC based model: Passive FTC, Active FTC strategies
5. Applications: Vehicles, UAVs, Robots….
Diagnosis and Fault-Tolerant Control. M. Blanke, M. Kinnaert, J. Lunze, M. Staroswiecki. Hardcover ISBN: 978-3-662-47942-1. Springer-Verlag Berlin Heidelberg, 2016
Active Fault-Tolerant Control Systems: A Behavioral System Theoretic Perspective. T. Jain and Joseph J. Yame, D. Sauter. ISBN:139783319688275, Publisher Springer International Publishing. 2017
Diagnostic des Systèmes Linéaires. D. Maquin & J. Ragot. Hermes Science Publications. 2000.
Reconfigurable Fault-tolerant Control: A Tutorial Introduction. J. Lunze and J.H. Richter. European Journal of Control 5:359–386. 2008.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Image processing and computer vision
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Samia Bouchafa-Bruneau, Professeur, Université d'Evry Val d'Essonne
Fabien Bonardi, Maître de conférences, Université d'Evry Val d'Essonne
Désiré Sidibé, Professeur, Université d'Evry Val d'Essonne
Jean-Philippe Tarel, chercheur, IFSTTAR (Institut français des sciences et technologies des transports, de l'aménagement et des réseaux).
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Modèles photométriques de formation des images
2. Modèles colorimétriques et espaces de couleurs
3. Modèle géométrique de formation des images. Introduction à la géométrie projective.
4. Primitives image et caractéristiques : points d’intérêts (SIFT, SURF, ORB, etc.), lignes (Transformée de Hough), régions (segmentation)
5. Mise en correspondance
6. Analyse du mouvement 2D. Détection du mouvement. Estimation du mouvement. Flot optique.
7. Stéréovision.
8. Application : amélioration des conditions de visibilité du conducteur.
Prérequis :
Bases du traitement du signal et des images.
Filtrage et opérations bas-niveau sur les images.
Méthodes numériques et optimisation.
Algèbre linéaire.
Maîtrise d'un langage de programmation et d'environnement de programmation incluant des librairies.
Bibliographie :
The geometry of multiple images. O. Faugeras, Q-T. Luong. MIT press Cambridge. 2001.
Computer vision. L. G. Shapiro, G.C. Stockman. Prentice Hall. 2001.
Multiple View Geometry in Computer Vision. R. Hartley. Cambridge University Press. 2004.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Extensive Perception for autonomous systems
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Samia Bouchafa, Professeur, Université d'Evry Val d'Essonne
Fabien Bonardi, Maître de conférences, Université d'Evry Val d'Essonne
Fawzi Nashashibi, directeur de recherche INRIA
Dominique Gruyer, directeur de recherche IFSTTAR
Jean-Philippe Tarel, chercheur, IFSTTAR.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Analyse du mouvement 3D
1.1. Structure à partir du mouvement.
1.2. Foyer d’expansion et vitesse translationnelle.
1.3. Time-to-collision.
1.4. Odométrie visuelle.
2. Suivi d’objets mobiles
2.1. Suivi basé « point » : méthodes déterministes, méthodes statistiques.
2.2. Suivi basé « noyau » : Mean shift, KLT, SVM et Eigentracking.
2.3. Suivi basé « silhouette » : évolution de contours, mise en correspondance de formes.
3. Détection des obstacles
3.1. Méthodes 2D basées « modèle » : approches basées sur la symétrie, texture, couleur, les histogrammes de gradients orientés.
3.2. Approches 2D s’appuyant sur l’estimation de la profondeur : Stéréovision, v-disparité, grilles d’occupations.
4. Localisation
4.1. Fusion Lidar/vision stéréo, Radar/vision stéréo.
4.2. Approches 2D+t basées sur l’analyse du mouvement : SFM, SLAM, SLAMMOT, coopération mouvement/stéréo (6D flow, scene flow).
5. Carte de perception dynamique étendue
5.1 Apports, limitations, modélisation des média de communication pour étendre la perception.
Prérequis :
Traitement des images et vision. Traitement numérique du signal . Traitement statistique du signal.
Méthodes numériques et optimisation.
Algèbre linéaire.
Maîtrise d'un langage de programmation et d'environnement de programmation incluant des librairies.
Bibliographie :
Handbook of Driver Assistance Systems. Hermann WinnerStephan HakuliFelix LotzChristina Singer. 2016.
Image Processing, analysis and machine vision. M. Sonka, V. Hlavac, R. Boyle. International student edition. 2008.
Time to contact. H. Hecht, G.J.P. Savelsburgh. Elsevier. 2004.
Computer Vision:Algorithms and Applications. R. Szeliski. Springer. 2010.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Localization, mapping and planning
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Dominique Gruyer, directeur de recherche, IFSTTAR (Institut français des sciences et technologies des transports, de l'aménagement et des réseaux),
Olivier Orfila, chargé de recherche, IFSTTAR (Institut français des sciences et technologies des transports, de l'aménagement et des réseaux)
Yann Menneroux, chercheur, IGN
Samia Bouchafa-Bruneau, Professeur, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
Introduction sur le cycle « perception, décision, action »
Planification : Méthodes d’évitement d’obstacles
Méthodes discrètes, Méthodes continues
Prise de décision déterministe. Prise de décision sous incertitude.
Cartographie : Représentations de l’environnement
Repères, Coordonnées Localisation
Localisation relative et absolue
Odométrie visuelle
SLAM stéréo : cartographie et localisation simultanée
Localisation EKF, UKF, Particle filter, IMM.
Prérequis :
Traitement du signal. Technologie des capteurs.
Bibliographie :
S. Botton and all, « GPS, Localisation et navigation », Edition Hermes, 1998. R.E Kalman. 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.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Fabien Bonardi, Maître de conférences, Université d'Evry Val d'Essonne
Sylvie Le-hégarat, Professeur, Université Paris Sud.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
La perception des systèmes autonomes s’appuie sur l’intégration des informations dans le but de construire une description cohérente du monde perçu. Elle consiste à collecter, traiter, combiner toutes les données provenant des différents capteurs embarqués dans l’objectif d’une tâche prédéfinie (détection d’obstacles, reconstruction de scène, reconnaissance d’objets, etc.). Ce module permet à des étudiants ayant les connaissances de base sur les différentes technologies des capteurs d’accéder aux outils théoriques permettant de fusionner les informations provenant de ces capteurs. Les enseignements dans ce module débouchent sur une étude de cas ayant pour objet la mise en application des approches étudiées.
1. Introduction aux fonctions de croyances
2. Représentation et combinaison de croyances
3. Applications en Traitement d’images
4. Raisonnement à base de croyances
5. Décision et système de surveillance multicapteurs
6. Introduction aux approches bayésiennes
7. Filtres bayésiens paramétriques
8. Filtres bayésiens non-paramétriques : filtres bayésiens discrets et filtre particulaire.
Prérequis :
Traitement du signal. Traitement des images. Technologie des capteurs.
Bibliographie :
Sebastian Thrun, Wolfram Burgard et Dieter Fox, « Probabilistic Robotics », MIT press, 2005.
H.R Everett, Sensors for Mobile Robots Theory and Applications, A.K Peters, Ltd., 1995.
R. Joshi, and A. C. Sanderson, Multisensor Fusion: A Minimal Representation Framework, World Scientific, 1999.
D. L. Hall, Mathematical techniques in multisensor data fusion. Boston: Artech House, 1992.
Brian D. O. Anderson, John B. Moore, Optimal Filtering. Information and System Science Series. Thomas Kailath Editor, 2005.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Session 1 - Calcul de la moyenne de l’UE :F = 0.65 EE + 0,2 TD (R) + 0,15 TP (R)
Informations complémentaires sur l'organisation générale de la session 1 :Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
Session 2 - Calcul de la moyenne de l’UE :F = 0,8 EC + 0,2 TD
Informations complémentaires sur l'organisation générale de la session 2 :Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Lamri Nehaoua, Maître de conférences, Université d'Evry Val d'Essonne
Naïma Aït-Oufroukh, Maître de conférences, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
- Rappels : Modèle de référence OSI, Accès au canal CSMA, Protocole TPC/UDP et adressage IPv4/IPv6
- Introduction aux VANET: Evolution des réseaux véhiculaires, Architecture V2X, systèmes coopératifs, Exemple de modèles de mobilité.
- Standard IEEE 802.1.
Prérequis :
Connaissances en réseaux informatiques niveau L3 sont souhaitables,
Systèmes à microcontrôleur et ses bus de communication.
Bibliographie :
- C. Campolo, Vehicular ad hoc Networks Standards, Solutions, and Research, Springer, 2015
- W. Chen, Vehicular Communications and Networks, Architectures, Protocols, Operation and Deployment, Elsevier, 2015
- S. Olariu, Vehicular Networks: From Theory to.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Observers in control systems
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Lamri Nehaoua, Maître de conférences, Université d'Evry Val d'Essonne
Lydie Nouveliere, Maître de conférences, Université d'Evry Val d'Essonne
M. Chadli, Professeur, Université d'Evry Val d'Essonne
H. Arioui, Maître de conférences, Université d'Evry Val d'Essonne
S. Mammar, Professeur, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
- Introduction à la modélisation de la dynamique des systèmes, Cinématique d’un corps et transformations,
- Systèmes multi-corps : Coordonnées dépendante, généralisées et contraintes cinématiques, Modélisation pour la commande, Modélisation pour l’ident.
Prérequis :
- Solides bases en algèbre linéaire.
- Notion de mécanique niveau L2 plus particulièrement mécanique rationnelle du solide,
- Utilisation avancée de Matlab et Simulink.
Bibliographie :
- A. Shabana, Dynamics of multibody systems, Cambridge university press, 2014,
- JP. Brossard, Dynamique du véhicule et Modélisation des systèmes complexes, METIS Lyon Tech, 2017.
- R.N. Jazar, Vehicle Dynamics, Theory and Application, Springer-Verlag, 20.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Désiré Sidibé, Full Professor, Université d'Evry Val d'Essonne
Hedi Tabia, Full Professor, Université d'Evry Val d'Essonne
Naïma Ait-oufroukh, Associate Professor, Université d'Evry Val d'Essonne
Vincent Vigneron, Associate Professor, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
Lectures: 10 hours. Seminars: 12 hours. Practical work: 8 hours.
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Introduction to Machine Learning
2. Bayesian decision theory
3. Unsupervised learning
4. Supervised learning methods
5. Parameters estimation and optimization
6. Kernel based learning
7. Applications.
Prérequis :
Basis of linear algebra
Theory of Probabilities
Computer Programming.
Bibliographie :
C. Bishop. Pattern recognition and machine learning. 2006.
K. Murphy. Machine learning: a probabilistic perspective. 2012.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Applied optimization
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Lydie Nouvelière, Maître de conférences, Université d'Evry Val d'Essonne
Hedi Tabia, Professeur, Université d'Evry Val d'Essonne
M. Chadli, Professeur, Université d'Evry Val d'Essonne
D. Ichalal, Maître de conférences, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
The course is presented during the semester 1 of M2 E3A Speciality SAM, as following:
5 slot of 2h magistral course and 6 slots of 2h applied tutorials and 2 slots of 4h Practical Works.
1 supervised written evaluation at mid-term,
1 to 2 home-works evaluated during the semester.
Objectifs pédagogiques visés :
Contenu :
1. Generalities on different types of formulation of optimization problems
2. Continuous optimization - Local or global approaches (gradient descent (simple, stochastic), simulated annealing, levenberg-Marquart, Newton, Gauss-Seidel)
3. Combinatorial optimization Minimization / maximization,
4. Search for shorter path in graphs: A * (D *, ARA *, AWA), Dijkstra, RRT, RRT *. (PW1)
5. (sequential) Downhill simplex algorithm,
6. Dynamic Programming, Sequential Dynamic Programming,
7. Evolutionary Methods: Genetic Algorithms, Particle Swarm Optimization (PW2)
8. MPC.
Application under Practical Works PW1 and PW2: prediction / trajectory planning / trajectory generation, minimization of the energy consumed by a vehicle.
Prérequis :
M1 E3A – Semester 1st – Common course core of mention E3A – Course « Méthodes numériques et optimisation ».
Bibliographie :
L. Claussmann, Motion Planning for Autonomous Highway Driving: A Unified Architecture for Decision-Maker and Trajectory Generator, Thèse de doctorat de l’Université Paris-Saclay, Oct. 2019.
I. Charon, O. Hudry, Introduction à l'optimisation continue et discrète, Ed. Lavoisier, 2019.
P. Fouilloux, Méthodes heuristiques en optimisation combinatoire, 2010.
M. Cerf, Techniques d’optimisation, 2003.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Janvier - Février.
Sophie Uhl, PRAG, Université d'Evry Val d'Essonne
Nicolas Séguy, Maître de conférences, Université d'Evry Val d'Essonne.
Objectifs pédagogiques visés :
Contenu :
L'objectif de cette UE est de former les étudiants à leur futur métier de cadre par une mise en situation dans laquelle ils sont amenés à concevoir et réaliser des services, des solutions ou des produits innovants à destination de clients ou d'organisations (entreprises et/ou laboratoires de recherche).
• Acquérir une méthodologie (recherche d’informations, gestion de projet)
• Savoir gérer un projet : planification, gestion des risques, communication
• Cibler les besoins des clients (informationnels et opérationnels)
• Maîtriser les règles de communication écrites et orales en entreprise ;
• Appliquer et/ou approfondir les acquis scientifiques et techniques
• Développer l’autonomie dans l’apprentissage de nouvelles connaissances
• Justifier les choix et les résultats technologiques.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Janvier - Février.
Richard Renou, Professeur d'Anglais, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
24 étudiants par TD
1 TD de 2 heures par semaine (soit 15 TD de 2h chacun)
Les cours entraînent les étudiants au 4 compétences (compréhension de l’oral et de l’écrit, production orale et écrite)
Présentations orales individuelles de 5mn en début de cours
Etude de documents (textes, audio, vidéo) et discussion ouverte sur les thématiques qu’ils abordent.
Un travail spécifique en laboratoire de langues (24 postes maxi) sera proposé aux étudiants pour s’entraîner au TEST TOEIC sur un logiciel dédié (Test Simulator).
PAS D’EXAMEN FINAL. Le contrôle continu de chacune des 4 compétences compte pour 100% de la note. Un test de type TOEIC sera inclus dans le contrôle continu pour évaluer les compétences de compréhension de l’anglais oral et écrit.
Seulement 2 absences non justifiées sont autorisées. En cas d’absences régulières non justifiées, l’étudiant passe automatiquement en session de rattrapage.
Objectifs pédagogiques visés :
Contenu :
Poursuivre et enrichir ses connaissances et compétences linguistiques en anglais dans les domaines étudiés autour des 4 activités langagières que sont la compréhension orale, la production orale, la compréhension écrite et l’expression écrite.
Une préparation au TEST TOEIC s’articulera autour d’un renforcement grammatical et d’un entraînement spécifique à la compréhension de l’anglais à l’oral et à l’écrit.
2 thématiques dans le semestre :
•La protection des données (Data Privacy issues)
•L’intelligence artificielle
+ Entraînement au TEST TOEIC en laboratoire de langues.
Prérequis :
Niveau B1/B2 du CECRL : être capable de s’exprimer à l’oral et à l’écrit dans tous types de situations, comprendre tous types de documents sur une thématique donnée.
Bibliographie :
La grammaire anglaise de l’étudiant, S.BERLAND-DELEPINE & J-L. DUCHET, éditions OPHRYS
Nombreux sites en ligne (news, TED Talks, exercices) indiqués en fonction des thématiques abordées
2 brochures de documents supports remises aux étudiants à la première séance et à apporter à chaque cours.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Image processing and computer vision
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Samia Bouchafa-Bruneau, Professeur, Université d'Evry Val d'Essonne
Fabien Bonardi, Maître de conférences, Université d'Evry Val d'Essonne
Désiré Sidibé, Professeur, Université d'Evry Val d'Essonne
Jean-Philippe Tarel, chercheur, IFSTTAR (Institut français des sciences et technologies des transports, de l'aménagement et des réseaux).
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Modèles photométriques de formation des images
2. Modèles colorimétriques et espaces de couleurs
3. Modèle géométrique de formation des images. Introduction à la géométrie projective.
4. Primitives image et caractéristiques : points d’intérêts (SIFT, SURF, ORB, etc.), lignes (Transformée de Hough), régions (segmentation)
5. Mise en correspondance
6. Analyse du mouvement 2D. Détection du mouvement. Estimation du mouvement. Flot optique.
7. Stéréovision.
8. Application : amélioration des conditions de visibilité du conducteur.
Prérequis :
Bases du traitement du signal et des images.
Filtrage et opérations bas-niveau sur les images.
Méthodes numériques et optimisation.
Algèbre linéaire.
Maîtrise d'un langage de programmation et d'environnement de programmation incluant des librairies.
Bibliographie :
The geometry of multiple images. O. Faugeras, Q-T. Luong. MIT press Cambridge. 2001.
Computer vision. L. G. Shapiro, G.C. Stockman. Prentice Hall. 2001.
Multiple View Geometry in Computer Vision. R. Hartley. Cambridge University Press. 2004.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
Sensor-based control
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :12
Travaux pratiques :8
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Hicham Hadj-abdelkader, Maître de conférences, Université d'Evry Val d'Essonne
Fabien Bonardi, Maître de conférences, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Introduction à la commande référencée capteurs.
2. La notion de la fonction de tâches : définition et principes.
3. Tâches primaire et secondaire.
4. Commande référencée vision : Asservissement visuel.
5. Commande référencée multi-capteurs : fonction de tâche hybride.
6. Navigation autonome basée capteurs.
Prérequis :
Commande et observation. Traitement d'images et vision.
Bibliographie :
- Claude Samson, Bernard Espiau and Michel Le Borgne, Robot Control: The Task Function Approach, Oxford University Press, Inc. New York, NY, USA, ISBN:0198538057.
- F. Chaumette, S. Hutchinson. Visual Servo Control, Part I: Basic Approaches. IEEE Robotic.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Intitulé de l’UE en anglais :
AI for computer vision
ECTS :
3
Détail du volume horaire :
Cours :10
Travaux dirigés :8
Travaux pratiques :12
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Hedi Tabia, Full Professor, Université d'Evry Val d'Essonne
Désiré Sidibé, Full Professor, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
Lectures: 10 hours. Seminars: 12 hours. Practical work: 8 hours.
10 heures de cours magistraux (CM). 12h de travaux dirigés (TD). 8h de travaux Pratiques (TP).
Objectifs pédagogiques visés :
Contenu :
1. Image Classification
2. Introduction to Neural Networks
3. Convolutional Neural Networks
4. Deep Learning Hardware and Software
5. Recurrent Neural Networks
6. Generative Models
7. Detection and Segmentation
8. Visualizing and Understanding
9. Human-Centered AI.
Prérequis :
Basis of Machine learning.
Bibliographie :
Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Lieu(x) :
EVRY
Le second semestre comporte le stage et deux modules : l'un dédié à des projets recherche ou industriels et l'autre à des séminaires recherche ou industriels.
Intitulé de l’UE en anglais :
Research or industrial conferences
ECTS :
3
Détail du volume horaire :
Cours :30
Modalités d'organisation et de suivi :
Coordinateur :
Equipe pédagogique :
Les enseignants de ce module sont des industriels ou académiques invités à exposer un produit ou une technique de pointe en relation avec les systèmes autonomes. A ces enseignants s'ajoute une équipe permanente composée de :
Frédéric Large, chef de projet innovation, PSA
Nicolas Hautière, directeur de recherche, IFSTTAR (Institut français des sciences et technologies des transports, de l'aménagement et des réseaux)
Jean-Philippe Tarel.
Déroulement et organisation pratique :
30 heures de séminaires.
Objectifs pédagogiques visés :
Contenu :
Ce module traite de l’ensemble des problématiques scientifiques et industrielles liées aux systèmes embarqués mobiles. Les intervenants pour ce module sont des chercheurs et industriels de départements de recherche d’entreprises qui incorporent une automatisation avancée dans leurs systèmes embarqués mobiles (véhicules de transport par route, air et rail, équipements militaires et spatiaux,...). Leur intervention concerne un produit industriel phare ayant fait ses preuves ou une problématique scientifique soulevant encore des questions ouvertes et des verrous mobilisant les chercheurs dans les domaines des systèmes embarqués.
Prérequis :
Aucun.
Bibliographie :
En fonction des enseignants invités.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
Fabien Bonardi, Maître de conférences, Université d'Evry Val d'Essonne
Naïma Ait-Oufroukh, Maître de conférences, Université d'Evry Val d'Essonne
Mohammed Chadli, Professeur, Université d'Evry Val d'Essonne
Samia Bouchafa-Bruneau, Professeur, Université d'Evry Val d'Essonne.
Déroulement et organisation pratique :
Cette UE nécessite une part de travail personnel importante.
Les sujets sont proposés en début d'année.
L'évaluation s'appuie sur le travail de chaque étudiant, les résultats obtenus, la recherche bibliographique, l'oral à la soutenance et l'écrit (rapport final).
Objectifs pédagogiques visés :
Contenu :
L'ensemble de l'équipe enseignante du master propose des sujets de projets théoriques ou appliqués en lien avec le thème général du master. Cette UE permet de mettre en application, sur des problématiques industrielles pratiques, les techniques appréhendées pendant les différents cours. Elle permet également de creuser une problématique scientifique ouverte en fonction du projet professionnel de l'étudiant.
Prérequis :
Cours de la finalité "Systèmes Automatiques Mobiles" du master E3A.
Bibliographie :
En fonction des projets proposés. La bibliographie est mise à disposition pour chaque sujet par les enseignants.
Période(s) et lieu(x) d’enseignement :
Période(s) :
Septembre - Octobre - Novembre - Décembre - Janvier - Février.
•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.
Objectifs pédagogiques visés :
Contenu :
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
- Rédiger un rapport écrit et réaliser une présentation orale (Power Point)
Université d’Evry Val d’Essonne.
Prérequis :
Connaissance du monde socio-économique (entreprise, institutions, laboratoires)
Connaissance des techniques de conduite de projet.
