al15

Intelligence artificielle et décision

Auteurs: 

Stéphane Herbin, Jean-Loup Farges (ONERA)

L’Intelligence Artificielle (IA) est un domaine de l’informatique qui, par sa capacité à traiter efficacement des données, à construire des décisions et à automatiser certains processus, est amené à jouer un rôle sociétal et économique majeur. Les domaines de l’Aéronautique, du Spatial et de la Défense (ASD) n’échappent pas à cette tendance.

Médiation sémantique pour la fusion dynamique d’observations humaines et de données senseurs

Auteurs: 

V. Dragos (ONERA), S. Gatepaille (Airbus Defence & Space)

Cet article aborde le problème consistant à combiner des observations humaines et des données capteurs dans un but de suivi et identification d’entités dans des environnements dynamiques. Dans le cas d’applications réalistes, la complexité de la tâche consistant à suivre et à détecter demande une fusion dynamique des données capteurs et des observations. Une approche de médiation sémantique est adoptée. Les cibles mobiles sont détectées et classifiées sur la base des données capteurs.

Une revue sur les chroniques et d’autres techniques de détection de comportement

Auteurs: 

R. Kervarc (ONERA), A. Piel (CEA LIST, Executable Language Engineering and Optimisation Laboratory R&D Department)

Jusqu’à il y a peu, le traitement de flux de données à forte dynamique à été très coûteux en termes de durée de calcul. En conséquence, l’extraction temps réel d’information sémantique, qui demande des corrélations complexes d’évènements dans un motif temporel, n’était pas possible. La performance des ordinateurs s’est suffisamment améliorée pour que  de tels traitements puissent maintenant être réalisés pour une très large gamme d’applications intéressantes.

Un paradigme Multi-agent pour concevoir la prochaine génération de plateformes aéroportées

Auteurs: 

A. El Fallah Seghrouchni (Sorbonne Université), L. Grivault (Thales Defense Mission Systems)

Les plateformes aéroportées comme les systèmes d’aéronefs pilotés à distance opèrent dans des contextes fortement critiques. La prochaine génération de systèmes d’aéronefs pilotés à distance sera dotée de capteurs multifonction, c’est-à-dire qu’au cours de la mission chaque capteur offre un grand nombre de fonctions au gestionnaire de la plateforme. En temps que plateforme, un système d’aéronef piloté à distance effectue un ensemble de tâches complexes grâce à la combinaison de divers services capteurs.

Planification de chemins collective et collaborative dans des grands graphes

Auteurs: 

F. Teichteil-Koenigsbuch,  G. Poveda (Airbus AI Research)

Cet article étudie les algorithmes de planification de chemins pour deux agents dans des graphes où ils sont affectés à des états initiaux et buts indépendants mais sont incités, par réduction de la fonction de coût globale quand ils se déplacent en formation, à partager une partie de leur parcours. Les applications de ces algorithmes vont du covoiturage au vol en formation.

Planification pour télescopes spatiaux : revue, études de cas et leçons apprises

Auteurs: 

C. Pralet, S. Roussel (ONERA), J. Jaubert (CNES), J. Queyrel (ONERA)

Dans cet article nous présentons les techniques d’Intelligence Artificielle pour la planification et l’ordonnancement que nous avons développées pour optimiser l’opération des télescopes spatiaux. Ces derniers sont des satellites dont la mission est d’observer des objets célestes comme les planètes, les exo planètes, les étoiles ou les galaxies.

Défis pour la certification de systèmes basés vision par ordinateur pour l’aéronautique civile

Auteurs: 

F. Boniol, A. Chan-Hon-Tong, A. Eudes, S. Herbin, G. Le Besnerais, C. Pagetti, M. Sanfourche (ONERA)

Les techniques de vision par ordinateur ont fait des progrès considérables ce  dernières années. Cette avancée rend maintenant possible l’utilisation dans la pratique de vision par ordinateur dans des drones civils ou dans des aéronefs, en remplacement de pilotes humains. La question qui se pose naturellement est de fournir une manière de certifier à un niveau donné de sécurité de tels systèmes.

Accroître l'extraction d'informations à partir de données scientifiques grâce à l'apprentissage profond

Auteurs: 

M. Nugue, J.-M. Roche, G. Le Besnerais, C. Trottier, R. W. Devillers (ONERA), J. Pichillou (CNES), A. Chan-Hon-Tong, A. Boulch, A. Hurmane (ONERA)

Cet article présente deux cas d’usage pour lesquels l’apprentissage profond est capable d’aider des scientifiques en les allégeant du fardeau d’un examen manuel d’un grand volume de données physiques. De tels exemples mettent en lumière la raison pour laquelle l’apprentissage profond pourrait devenir un outil transverse à beaucoup de domaines scientifiques.

Exemples récents de contributions de l’apprentissage profond à des problèmes d’observation de la Terre

Auteurs: 

E. Colin Koeniguer, G. Le Besnerais, A. Chan Hon Tong, B. Le Saux, A. Boulch, P. Trouvé, R. Caye Daudt, N. Audebert, G. Brigot, P. Godet, B. Le Teurnier, M. Carvalho, J. Castillo-Navarro (ONERA)

Cet article vise l’inventaire des progrès réalisés en télédétection grâce au développement récent de techniques d’apprentissage profond. Cette évaluation est réalisée au travers d’une présentation systématique des différentes activités entreprises à l’ONERA dans le domaine de la télédétection utilisant des méthodes d’apprentissage profond.

Recherche de consensus robuste à l’aide d’un jeu différentiel multi-joueurs à somme non nulle

Auteurs: 

T. Mylvaganam (Department of Aeronautics, Imperial College London, UK), H. Piet-Lahanier (ONERA)

En considérant une classe de systèmes multi-agent linéaires, nous étudions le problème de la recherche d’un consensus en présence d’un signal exogène, correspondant possiblement à une perturbation. Nous formulons le problème de recherche d’un consensus robuste comme un jeu différentiel à somme non nulle.