Projets

L'implication de l'équipe dans différents projets et consortia donne une première idée des activités de recherche menées, aux niveaux tant régional et national qu’international. À titre indicatif :

Projets/partenariats principaux

• Projet ANR TSIA VORTEX
• Projet ANR CominLabs LEASARD
• Marie Skłodowska-Curie Action (MSCA), programme BIENVENÜE de la région Bretagne, projet NOETIC
• Projet EU-Japon eVITA
• Projet HIT (Handicap Innovation Territoire)
• Projet ECFVisuL (Évaluation automatique continuelle de la capacité fonctionnelle humaine à domicile à l’aide de la vision par ordinateur)
• Projet Mementop - Plan de Relance
• Collaboration avec CNRS IRL "CROSSING"

Actions phares

• Organisation RoboCup 2023 (porteur Prof. Dominique Duhaut)
• Participation à Robocup@Home

Thèses en cours

• RAPALLO: Robotic Action Planning with Affordances and LargeLanguage mOdels - Gaëlic BECHU
• Variantes dialogiques et niveaux langagiers en Afrique subsaharienne : Prise en compte de paramètres sociolectaux et idiolectaux pour l'adaptation dynamique d'un bot vocal au profil du locuteur - Papa Séga WADE
• Apprentissage par Démonstration de Manipulation Robot via des Réseaux Adverses Génératifs - Mohamed Khalil JABRI
• Planification anticipée de mouvements pour les robots. Application à RoboCup Soccer - Antoine DIZET

Thèses soutenues

• Monocular SLAM densification for 3D mapping and autonomous drone navigation - Yassine HABIB
• Enhancing data informativeness in deep-learning based, point cloud semantic segmentation of industrial scenes - Romain CAZORLA
• Application de modèles d'apprentissage machine interactifs pour l'interaction homme-robot : Approche basée sur l'attention humaine - Natnael Argraw WONDIMU
• Programmation de cobots : de l'apprentissage de trajectoires à leur acceptabilité - Amélie LEGELEUX
• Reconnaissance de l’activité humaine dans les maisons intelligentes : traitement de la variabilité des données grâce à l’apprentissage contextuel, au transfert de connaissance et synthèse de données - Damien BOUCHABOU
• Contrôle Fondé sur un Apprentissage par Renforcement pour la Navigation 3D Sécurisée de Robots Manipulateurs Articulés à Chenilles - Andrei MITRIAKOV
• Apprentissage Incrémental profond à large échelle - Eden BELOUADAH