Description
Date depot: 11 septembre 2019
Titre: Architectures profondes et adaptation de domaine pour la conduite autonome
Directeur de thèse:
Matthieu CORD (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Le projet de thèse décrit ici vise à attaquer certains des verrous scientifiques des systèmes de conduite autonome. Il se concentre plus particulièrement sur les couches de perception à base de réseaux de neurones. Ceux-ci sont pour l'heure entraînés de façon supervisée, ce qui nécessite le recours massif à des données annotées. Cette forme d'apprentissage est très puissante, mais soulève également d'importants problèmes. Non seulement la constitution de corpus annotés suffisamment grands et variés reste difficile et coûteuse, mais ceux-ci demeureront toujours limités face à la diversité, la complexité et l'imprévisibilité des environnements qu'un véhicule peut rencontrer. Concevoir des systèmes qui généralisent mieux, même à partir de situations d'apprentissage limitées, qui savent identifier des situations et des conditions totalement nouvelles à défaut de pouvoir les déchiffrer et, enfin, qui peuvent s'adapter aux changements et poursuivre leur apprentissage, sont autant de défis pour la conduite autonome, et l'intelligence artificielle en général. Une classe d'outils importante dans ce contexte est celle de l'adaptation de domaine. Celle-ci permet la généralisation à des données qui partagent des structures avec les données annotées permettant la supervision mais qui suivent néanmoins une distribution statistique différente (environnement ou conditions de conduite différents par exemple). De tels outils permettent par exemple de recourir à des données d'apprentissage synthétiques (dont l'annotation est automatique, par essence, et qui permettent un accès sans danger à une grande variété de scènes), une pratique très prometteuse en apprentissage profond. Le travail de thèse proposé s'intéressera à différents problèmes ouverts en adaptation de domaine.
Doctorant.e: Saporta Antoine