Évaluation de comportement dynamique par intelligence artificielle Application à l'analyse de la sécurité du comportement dynamique d'un véhicule

Evaluation of dynamic behavior based on artificial intelligence Application to the safety analysis of the dynamic behavior of a vehicle

• Auteur / Autrice : Fabien Lionti
• Direction : Philippe Martinet
• Type : Projet de thèse
• Discipline(s) : Automatique traitement du signal et des images
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Artificial intelligenCE and efficieNT Algorithms for aUtonomous RobotIcs.

Mots clés

Mots clés libres

Artifical Intelligence

Physics-guided machine learning

Dynamical systems

Bayesian inference

Deep Learning

Résumé

Le but principal de ce projet de thèse est de développer une méthodologie de conception d'un système d'Intelligence Artificielle hybride mélangeant les approches basées modèles avec celles basées données pour l'évaluation de comportement dynamique (confort, sécurité, performances) de systèmes mobiles habités. L'application qui intéresse la DGA est l'analyse de la sécurité du comportement dynamique de véhicules militaires. Il s'inscrit dans le domaine d'étude liée à la dynamique des véhicules et de son interprétation dans des applications particulières. Dans les engins mobiles habités, l'analyse et la caractérisation du confort, l'analyse des performances, la sécurité, la caractérisation et la surveillance des modes de conduite, représentent beaucoup de sujets d'études divers, mais qui ont des caractéristiques communes. Elles font intervenir des interactions dynamiques avec l'environnement, problématique difficile à modéliser. Ainsi, le centre de préoccupation de l'étude porte sur des caractéristiques directement mesurables ou indirectement estimables faisant aujourd'hui appel à une expertise humaine particulière. Une autre caractéristique principale est la quantité de données disponible qui n'est pas pléthorique. L'évaluation d'un système mobile habité est un problème complexe car il mélange à la fois des sciences dures (interaction véhicule/environnement, dynamique de véhicule, dynamique du siège, et des sciences humaines (sur le ressenti, le partage du contrôle, la conscience de situations). Il est clair que pour une telle complexité de transmission des phénomènes dynamiques, les approches basées modèles atteignent leurs limites dans les approximations successives faîtes pour l'établissement des modèles. En complément, les approches basés données ajoutent de la robustesse dès lors que les données utilisées lors de l'apprentissage sont suffisamment représentatives du domaine d'utilisation ciblé. La méthodologie proposée sera hybride et devra permettre d'utiliser le meilleur des deux approches

The main goal of this thesis project is to develop a design methodology for a hybrid Artificial Intelligence system mixing model-based and data-based approaches for the evaluation of for the evaluation of dynamic behavior (comfort, safety, performance) of manned mobile systems. The application that interests the DGA is the analysis of the safety of the dynamic behavior of military vehicles. It is part of the field of study related to the dynamics of vehicles and its interpretation in particular applications. In manned mobile vehicles, the analysis and characterization of comfort, performance analysis, safety, characterization and monitoring of driving modes, represent many diverse subjects of study, but have common characteristics. They involve They involve dynamic interactions with the environment, which is difficult to model. Thus, the focus of the study is on directly measurable or indirectly estimable characteristics that today require a particular human expertise. Another main main characteristic is the amount of data available, which is not plentiful. The evaluation of a manned mobile system is a complex problem because it mixes at the same time hard sciences (vehicle/environment interaction, vehicle dynamics, seat dynamics, and human sciences (on feeling, control sharing, situation awareness). It is clear that for a such complexity of transmission of dynamic phenomena, model-based approaches reach their limits in the successive approximations made for the establishment of the models. In complement, data-driven approaches add robustness when the data used for learning are sufficiently representative of the targeted domain of use. The methodology will be hybrid and should allow to use the best of both approaches