Vincent Frémont
Vincent Frémont – Projet DeepCoSlam
Après un parcours universitaire réalisé à l’Université de Nantes, Vincent Frémont obtient un DEA en 2000 et un doctorat en automatique et informatique appliquée en 2003, tous deux à l’Ecole Centrale de Nantes. De 2003 à 2005, il est attaché temporaire d’enseignement et de recherche à l’ENSI de Bourges avant d’obtenir un poste de Maître de Conférences à l’Université de Technologie de Compiègne où il effectue sa recherche au sein du laboratoire Heudiasyc, UMR CNRS 7253. Ses travaux de recherche concernent l’étude des systèmes de perception et d’apprentissage automatique pour la robotique mobile autonome avec un focus sur la vision artificielle, l’apprentissage profond et la fusion de données multi-capteurs appliqués au véhicule autonome. En 2018, il devient Professeur des Universités à l’Ecole Centrale de Nantes où il rejoint le laboratoire LS2N (UMR CNRS 6004), et obtient un financement du dispositif NExT Senior Talent.
Le projet DeepCoSLAM
Les robots autonomes sont de plus en plus populaires en raison d’une tendance pour un avenir de plus en plus assisté par la technologie. Comme en témoignent les récents développements de la mobilité intelligente pour les systèmes de transport du futur, des technologies de fabrication avancées pour l’industrie du futur, des mini-drones aériens pour des missions telles que la surveillance de grandes infrastructures, et dans les domaines de l’agriculture et du génie maritime, les applications des robots autonomes sont vastes et couvrent de nombreux domaines. Ces robots autonomes et connectés, hétérogènes en termes de forme, d’autonomie énergétique et de capacités de calcul, évoluent de plus en plus dans des environnements ouverts, complexes et dynamiques et interagissent avec les humains. De plus, la convergence des bases de données massives, d’importantes capacités de calcul embarquées et des nouveaux paradigmes de l’intelligence artificielle confèrent aux systèmes robotiques une plus grande autonomie et des capacités de raisonnement accrues.
Pour tout robot autonome, le système de perception et de localisation est un composant fondamental qui alimente les autres modules fonctionnels permettant son déplacement de manière sécurisée et efficace. L’extraction de propriétés clés telles que les informations géométriques, sémantiques et contextuelles à partir des données des capteurs et leur intégration dans le temps, permettent aux robots de se construire une représentation numérique de leur environnement proche ou même étendu par l’échange d’informations à travers les communications sans fil entre eux et avec l’infrastructure. Cette représentation multimodale et étendue du voisinage du robot sert de connaissance de base pour lui permettre de planifier ses mouvements de manière sûre et robuste dans des environnements ouverts, complexes et dynamiques.
Ainsi, motivé par les nouveaux paradigmes de l’intelligence artificielle tels que les réseaux neuronaux profonds, l’émergence de nouvelles capacités de détection apportées par la vision neuromorphique et les Lidar 3D ainsi que le paradigme des robots connectés, le projet DeepCoSLAM proposera de nouvelles avancées dans le domaine de la perception augmentée et de la compréhension de scènes pour une mobilité intelligente et autonome dans des environnements industriels complexes utilisant des véhicules terrestres autonomes.
Dispositif NExT Senior Talent
Montant : 520 000 €
Soutien financier : Piloté par NExT à travers une aide de l’Etat gérée par l’Agence Nationale de la Recherche au titre du Programme d’investissements d’Avenir (portant la référence ANR-16-IDEX-0007), le projet bénéficie d’un soutien financier de la Région Pays de la Loire et de Nantes Métropole.
