• Stage M2
  • Lille

Site Laboratoire CRIStAL, 3D SAM, Université de Lille

Contexte

La pêche est une activité de cueillette qui subit des variations de tonnage, de prix et qui est confrontée à une diminution des ressources. La filière est notamment confrontée à deux problématiques antagonistes, d’une part la baisse d’attractivité des métiers de la pêche et du mareyage, et d’autre part la nécessité de valoriser le maximum des espèces débarquées. Les coûts d’investissement dans des outils de mécanisation bien souvent trop spécifiques à quelques espèces sont un frein pour les entreprises de transformation. Le secteur agroalimentaire étant confronté très souvent à de faibles marges et à une concurrence internationale féroce, l’équipement robotique permet des gains substantiels de productivité, il peut aussi permettre de faire face à des pénuries de main-d’œuvre ou encore répondre aux problématiques des TMS (troubles musculo-squelettiques). Des gros progrès ont été réalisés ces dernières années qui permettent de respecter les contraintes d’hygiène et de sécurité sanitaire (nettoyage, désinfection), de faire fonctionner des robots dans des milieux « hostiles » (froid ou humidité) et de garantir des cadences globalement plus élevées dans ce domaine d’activité.

Partant de ce constat, le projet CobIAT entre les équipes 3D-SAM spécialiste en vision par ordinateur et en analyse de formes et SoftE spécialiste en robotique, dans lequel s’intègre cette proposition de stage, a pour objectif principal de contribuer par des techniques innovantes de l’IA et la robotique à générer des mouvements des membres supérieurs dans des applications agroalimentaire telle que le filetage du poisson à partir d’un robot collaboratif. Plus précisément, les robots collaboratifs, appelés plus communément ‘cobots’ permettent de faire cohabiter l’homme et la machine. C’est une solution sur mesure pour la filière des produits aquatiques. En effet, alors que les robots classiques doivent être enfermés dans des zones sécurisées, le cobot lui est doté de capteurs d’effort qui permettent de travailler avec ou en présence d’un opérateur. Utiliser les cobots pour reconstruire certains mouvements répétitifs de membres supérieurs est un challenge à la fois technique et scientifique. Technique par rapport à la cinématique du cobot, et scientifique par rapport à la robustesse de la technique de mesure et de reconstruction du mouvement.

Mission

Dans le cadre du projet CobIAT, le-a futur-e stagiaire sera impliqué-e dans l’étude de l’état de l’art, l’élaboration de nouvelles approches d’apprentissage automatique [1,2] pour apprendre des mouvements proches de ceux d’un humain dans un contexte agro-alimentaire. Il s’agit donc de :

  • Collecter des données réelles ou artificielles des mouvements du bras supérieur.
  • Développer de nouveaux modèles d’apprentissages en se basant sur nos travaux antérieurs en analyse et synthèse de mouvement [1,2] afin de reproduire des mouvements réalistes.
  • Collaborer avec l’équipe de recherche en robotique.

Profil recherché

  • Formation Master 2 ou école d’ingénieur avec une spécialité en intelligence artificiel, science de données ou mathématiques
  • Très bonnes compétences en programmation (PyTorch/Keras/Python/etc. )
  • Maîtrise des techniques de la vision par ordinateur et de deep learning (CNN, GAN, …)
  • Qualités relationnelles de travail dans un contexte pluridisciplinaire.

Candidature

Si vous êtes intéressé-e par cette proposition de stage, veuillez nous envoyer votre CV et votre relevés de notes à mohamed.daoudi@imt-nord-europe.fr et à deise.santanamaia@univ-lille.fr avant le 28 février.

Gratification et durée de stage

La durée du stage est de 5 à 6 mois avec une gratification mensuelle de 550 euros environ.

References

[1] Baptiste Chopin, Naima Otberdout, Mohamed Daoudi, and Angela Bartolo. Human motionprediction using manifold-aware wasserstein GAN. In16th IEEE International Conference onAutomatic Face and Gesture Recognition, FG 2021, Jodhpur, India, December 15-18, 2021,pages 1–8.

[2] Anis Kacem, Mohamed Daoudi, Boulbaba Ben Amor, Stefano Berretti, and Juan CarlosAlvarez-Paiva. A novel geometric framework on Gram matrix trajectories for human behaviorunderstanding.IEEE transactions on pattern analysis and machine intelligence, 42(1):1–14,2018.

Pour postuler, envoyez votre CV et votre lettre de motivation par e-mail à mohamed.daoudi@imt-nord-europe.fr