L'amélioration de la mobilité des personnes en situation de handicap est essentielle pour leur autonomie et leur inclusion sociale. Les fauteuils roulants électriques intelligents, équipés de capteurs tels que caméras, lidars et capteurs de distance, analysent l’environnement pour offrir une assistance adaptée. Ces systèmes doivent néanmoins relever des défis majeurs liés à la complexité des environnements, à la précision de la détection et à l’adaptabilité des algorithmes.
Motivations
L’intelligence artificielle (IA) a démontré son efficacité en analyse des données capteurs, mais les réseaux de neurones actuels sont souvent rigides et énergivores, ce qui limite leur utilisation dans des plateformes embarquées. Les réseaux de neurones dynamiques (DyNN), capables d’ajuster leur complexité en temps réel, représentent une alternative prometteuse, conciliant performance, adaptabilité et contraintes des environnements.
Objectifs
Cette thèse se concentre sur l’entraînement et l’évaluation de réseaux de neurones statiques et dynamiques pour la perception d’environnement des fauteuils roulants électriques. Ses objectifs incluent :
* Concevoir des architectures adaptées : Développer des modèles optimisés pour des scénarios variés (intérieur, extérieur, espaces peuplés).
* Optimiser l’entraînement des réseaux : Maximiser la précision des réseaux statiques et exploiter le potentiel adaptatif des DyNN.
* Évaluer les performances : Tester les réseaux dans des environnements simulés pour quantifier les gains en robustesse et en précision.
Le fauteuil devra fonctionner dans divers scénarios, tels que des environnements intérieurs étroits, des espaces encombrés, ou des zones extérieures dynamiques comme des trottoirs animés. Le système devra s’adapter aux variations d’obstacles, de luminosité et d’interactions avec des piétons, garantissant ainsi une navigation autonome ou semi-autonome fiable.
[Fra23] B. Fraudet, et al., SWADAPT2: benefits of a collision avoidance assistance for powered wheelchair users in driving difficulty. Disability and Rehabilitation: Assistive Technology, September 2023.
[Gao22] Gao, Y., Huang, C. M. (2022). Evaluation of socially-aware robot navigation. Frontiers in Robotics and AI, 8, 721317. [Goo] Google Edge TPU. [Online]. Available: https://cloud.google.com/edge-tpu
[Grz21] F. Grzeskowiak, D.J. Gonon, D. Dugas, D. Paez-Granados, J.J. Chung, J. Nieto, R. Siegwart, A. Billard, M. Babel, J. Pettré. Crowd against the machine: A simulation-based benchmark tool to evaluate and compare robot capabilities to navigate a human crowd. In IEEE Int. Conf. on Robotics and Automation, ICRA'21, Pages 3879-3885, Xi'an, China, Mai 2021.
[Guo23] X. Guo, et al., "Automated Exploration and Implementation of Distributed CNN Inference at the Edge," in IEEE Internet of Things Journal, 2023, https://doi.org/10.1109/JIOT.2023.3237572
[Han22] Y. Han, et al., "Dynamic Neural Networks: A Survey" in IEEE Transactions on Pattern Analysis & Machine Intelligence, vol. 44, no. 11, pp. 7436-7456, 2022. https://doi.org/10.1109/TPAMI.2021.3117837
[Heu14] Heulot et al. SPIDER: A synchronous parameterized and interfaced dataflow-based rtos for multicore dsps. In 2014 6th European Embedded Design in Education and Research Conference (EDERC) (pp. 167-171). IEEE.
[Hou22] X. Hou, et al., "DistrEdge: Speeding up Convolutional Neural Network Inference on Distributed Edge Devices," in 2022 IEEE International Parallel and Distributed Processing Symposium (IPDPS), Lyon, France, 2022 pp. 1097-1107, https://doi.org/10.1109/IPDPS53621.2022.00110
[Leb23] Emilie Leblong, Bastien Fraudet, Louise Devigne, François Pasteau, Sylvain Guegan, et al.. Robotics at the Service of Wheelchair Mobility for People with Disabilities: Story of a Clinical-Scientific Partnership.17h International Conference of the Association for the Advancement of Assistive Technology in Europe, AAATE, Aug 2023, Paris, France.
[Lec21] Lecrosnier L, Khemmar R, Ragot N, Decoux B, Rossi R, Kefi N, et al. Deep Learning-Based Object Detection, Localisation and Tracking for Smart Wheelchair Healthcare Mobility. International Journal of Environmental Research and Public Health. janv 2021;18(1):91