archive:sujets21aut [Cours de Rémy Cazabet]

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
====== Sujets, 2021/2022 Automne======

=====EG1. Objets paramétrés  =====

^ Domaines                | Image Synthesis / Geometric Modeling.   |
^ Techniques et langages      | C++ / Qt                  |
^ Responsable du sujet    | Eric Galin                                  |
^ Niveau de difficulté     | Intermédiaire  |
|                                                                         ||

L'objectif de ce projet est d'étudier différents modèles de surfaces paramétrées (extrusion de profil le long d'une courbe, surfaces de révolution autour d'un axe) et de développer des classes permettant de définir des variétés d'objets complexes (bâtiment, pont) définis par un ensemble de paramètres de contrôle décrivant leur forme et leur dimension. Par exemple, un pont pourra être défini par sa trajectoire (point de départ et d'arrivée), sa largeur, sa hauteur, alors que le nombre de pilliers et leur largeur seront automatiquement calculés en fonction de la longueur et de la hauteur.

Différentes approches sont possibles : deux groupes indépendants pourront travailler en parallèle sur ce projet.

Les objets crées pourront être visualisés en temps réel grâce à une interface C++/Qt développée sous Visual Studio C++ (projet de démarrage fourni).

{{https://perso.liris.cnrs.fr/eric.galin/Images/2020-bridge.png?192x108}} 

=====EG2. Simulation d’écosystèmes  =====

^ Domaines                | Image synthesis, Geometric Modeling, Simulation    |
^ Techniques et langages      | C++ / Qt                  |
^ Responsable du sujet    | Eric Galin                                  |
^ Niveau de difficulté     |  Intermédiaire - Avancé  |
|                                                                         ||

L'objectif du projet est d’implémenter un modèle de simulation d’écosystème permettant de représenter la croissance et la mort d’espèces végétales au cours du temps en fonction des conditions de l’environnement (nature du terrain, température). On simulera la compétition entre les arbres, et s’intéresser à des outils permettant de simuler des scénarii climatiques comme la variation de température, ou des phénomènes catastrophiques de type tempête ou feu détruisant une partie de l’écosystème (algorithmes de propagation).

Les terrains et la végétation pourront être visualisés de manière symbolique en temps réel grâcve à une interface C++/Qt développée sous Visual Studio C++ (projet de démarrage fourni).

{{https://perso.liris.cnrs.fr/eric.galin/Images/2020-ecosystem.png?192x108}} 
=====EG3. Génération de terrains  =====

^ Domaines                | Image Synthesis / Geometric Modeling / Procedural generation   |
^ Techniques et langages      | C++ / Qt                  |
^ Responsable du sujet    | Eric Galin                                  |
^ Niveau de difficulté     | Intermédiaire  |
|                                                                         ||

L'objectif de ce projet est de comprendre les méthodes de synthèse de terrains virtuels et de développer une application capable de générer des terrains et de les afficher.

De nombreuses méthodes de génération existent : synthèse à partir d’exemple, méthodes procédurales par somme de bruit, simulation d’érosion. Il faudra commencer par le chargement d'un terrain à partir d'une image en niveau de gris et de données complémentaires de résolution et d'échelle. On étudiera ensuite les méthodes fractales à base de somme de bruit et proposer une application permettant de faire varier les paramètres et d’observer les résultats. Selon l'avancée des travaux, on s'intéressera à d’autres méthodes de génération, par exemple la simulation d’érosion, ou à de l’analyse de terrain selon des algorithmes de détection de caractéristiques ou de calcul de pente et de drainage.

Différentes approches sont possibles : deux groupes indépendants pourront travailler en parallèle sur ce projet.

Les terrains pourront être visualisés en temps réel grâcve à une interface C++/Qt développée sous Visual Studio C++ (projet de démarrage fourni).

{{https://perso.liris.cnrs.fr/eric.galin/Images/2019-orometry.png?192x108}}

=====RC1. Data Explorable  =====

^ Domaines                | Data science, Data Mining , IA, data visualization...   |
^ Librairies (proposées)  | scikit-learn, seaborn, bokeh, d3js, chart.js, etc.                         |
^ Langages (proposé)      | Python, javascript, html/css, etc.                  |
^ Responsable du sujet    | Rémy Cazabet                                   |
^ Informations à voir     | http://cazabetremy.fr/Teaching/LIFPROJET.html  |
|                                                                         ||

Le principe de ce projet est de Choisir une source de données accessible (open data, data crawling, etc), de collecter ces données, les analyser, et construire un "explorable" permettant à n'importe qui d'explorer ces données de manière interactive. 

Vous êtes libre de choisir les données qui vous intéresse (sport, politique, réseaux sociaux, économie, environnement, sécurité, culture, etc.), et nous discuterons des analyses que nous pouvons en faire (restitution sous forme de cartes, de réseaux/graphes, de graphiques interactifs, sous forme de site-web ou non, etc.). 

Pour cette année, une idée qui me plait bien serait de visualiser des statistiques historiques météorologiques, par exemple sous la forme d'une carte de France, sur laquelle nous pourrions immédiatement voir les météos moyennes par mois, la pluviométrie etc., ainsi que des analyses telles qu'un clustering des villes selon leur météo (détection automatique de "régions" à la météo similaire) ou de proposer des indicateurs de "qualité" de la météo, par exemple en prenant en compte la probabilité qu'il pleuve dans l'après-midi en moyenne sur un mois donné, au-lieu de simplement calculer un ml cumulé de précipitation comme c'est souvent le cas, qui ne veut pas dire grand chose pour un touriste qui voudrait visiter la ville (orage la nuit...)
Une autre possibilité est de concevoir un outil de recommendation de contenu (recommendation de livres, musiques, films...). Notamment en créant une "carte" des genres automatiquement selon des notes de personnes. Ce genre de jeux de données très riches sont facilement accessibles pour les musiques et les films, notamment.

Si vous ne savez pas quelles données existent ou non, partez du principe que tout existe, et nous chercherons ensemble ce qui est effectivement accessible. Si vous ne savez pas où trouver des données, quelques points de départ: https://data.grandlyon.com/accueil, https://www.data.gouv.fr/fr/ , https://datasetsearch.research.google.com .

Vous pouvez consulter quelques projets précédents sur ma page http://cazabetremy.fr/Teaching/StudentsProduction.html . 
=====RC3. Kaggle Challenge    =====

^ Domaines                                                  | Machine Learning ("Intelligence Artificielle") |
^ Librairies (proposées)                                               | scikit-learn, keras, tensor-flow...    |
^ Langages (proposé)                                                   | Python, autre |
^ Responsable du sujet                                              | Rémy Cazabet                   |                                                                            
^ Informations à voir                                        | [[https://www.kaggle.com/competitions | Challenges Kaggle en cours]]                                                                                     ||
|                                                           ||
[[https://www.kaggle.com/competitions | Kaggle]] est le site web le plus connu de challenges en machine learning. 

En 2 mots: des entreprises proposent des challenges auxquels n'importe qui peut tenter de proposer une solution. La meilleure solution gagne. Mais là où Kaggle est particulièrement intéressant, c'est qu'il propose des tutoriels pour résoudre certains problèmes classiques, en utilisant différentes méthodes. Votre objectif: 1) Suivre un/des tutoriels pour résoudre un problème tout fait, 2)Choisir un challenge en cours et appliquer ce que vous avez appris.
Vous pouvez consulter quelques projets précédents sur ma page http://cazabetremy.fr/Teaching/StudentsProduction.html. 

=====RC4. Visualisation de graphes dynamiques    =====

{{:projet:all_examples_pdf_1_page_.png?nolink|}}
^ Domaines              | Dataviz, data science, génie logiciel, logiciel libre  |   |
^ Librairies            | https://tnetwork.readthedocs.io, https://docs.bokeh.org, matplotlib,...                                      |   |
^ Langages (proposé)    | python, javascript                         |   |
^ Responsable du sujet  | Rémy Cazabet                                           |   |
^ Informations à voir   | https://tnetwork.readthedocs.io,https://github.com/TiphaineV/streamfig/blob/master/all_examples.pdf             ||
|                                                                               ||   |
tnetwork https://tnetwork.readthedocs.io est une librairie python permettant de manipuler des graphes dynamiques. Cette librairie orientée recherche a été développé par des membres de l'équipe DM2L du LIRIS, en particulier moi-même. L'objectif de ce projet sera de créer un outil de visualization de graphes dynamiques en s'inspirant du formalisme graphique utilisé ici : https://github.com/TiphaineV/streamfig/blob/master/all_examples.pdf.
Cependant, de manière à pouvoir visualiser des gaphes de grande taille, la visualisation sera interactive : cliquer sur un nœud doit pouvoir réorganiser le graphe pour montrer les contacts avec ses voisins, on doit pouvoir zoomer une partie du graphe, etc.

=====RC6. Site web de jeu en ligne interactif   =====

^ Domaines              | Web  |   |
^ Librairies            | Utiliser des frameworks complet (MERN, MEAN) https://www.datasciencecentral.com/profiles/blogs/mern-vs-mean-which-stack-to-use-in-2021                                    |   |
^ Langages (proposé)    | Javascript, html, etc.                        |   |
^ Responsable du sujet  | Rémy Cazabet                                           |   |
Dans ce sujet, vous développerez un site web, en utilisant des frameworks modernes de votre choix, par exemple parmi la liste suivante : (https://medium.com/javarevisited/10-best-frontend-and-backend-frameworks-for-java-python-ruby-and-javascript-developers-cce3c951787a), de préférence en les combinant (MERN, MEAN, MEVN...). Ce site web doit permettre de jouer à un jeu, quel qu'il soit, depuis un jeu que vous avez inventé à un classique de type scrabble, dames, échecs ou autre. Il doit permettre aux joueurs de jouer en temps réel les uns contre les autres (salon de jeu, codes pour rejoindre une partie...), et d'afficher des statistiques (hall of fame, meilleurs scores du jour, etc.).

===== AM1. Deep learning et image : classification ou génération d'images =====

^ Domaines                                                                         | Image Processing / Deep Learning(IA) / Interaction |
^ Techniques et langages                                                           | Python / PyQt  |
^ Responsable du sujet                                                             | Alexandre Meyer   | 
^ Niveau de difficulté                                                             | intermédiaire  |    

L'objectif de ce projet est d'explorer les possibilités qu'offre les réseaux de neurones à traiter des images. Il y a deux grandes pistes qui peuvent être explorées. 
D'abord la classification d'images qui cherche à reconnaitre un objets à partir de sa photo, c'est à dire à lui donner un label : le nom de la personne, le type d'objet, un caractère pour la reconnaissance d'écriture, des informations sur des images satallitaires ou médicales, etc.
Le deuxième aspect est l'édition ou la génération de nouvelles images. Un réseau peut apprendre à modifier, voir à générer une nouvelle image après avoir "appris" sur une base d'images du même type. 

Par exemple, les auto-encoders sont une classe d'algorithme basée sur les réseaux de neurones profonds qui transforment un jeu de données (des images pour nous) en une représentation latente (cachée) que l'on nomme un code. Ils sont composés d'un encodeur qui produit le code et d'un décodeur qui repasse du code à la données d'origine (l'image). Une piste pour ce sujet serait de construire cet auto-encoder sur une classe d'images puis d'offrir à l'utilisateur des curseurs pour éditer le code tout en lui montrant l'image décodé. En allant plus loin, il est également envisageable d'explorer les GAN (Generative Adversarial Network) pour produire une nouvelle image ... Le domaine est vaste.

[[https://towardsdatascience.com/gans-vs-autoencoders-comparison-of-deep-generative-models-985cf15936ea|GANs vs. Autoencoders: Comparison of Deep Generative Models]]
[[https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900|GAN — Some cool applications of GANs.]] 



===== AM2. Animation procédurale des mouvements d'un personnage et jeu vidéo sous Unity  =====

^ Domaines                                                                                | Animation/Interaction/Jeu vidéo |
^ Techniques et langages                                                                  | C# / Unity  |
^ Responsable du sujet                                                                    | Alexandre Meyer |
^ Difficulté                                                                              | Raisonnable / Intermédiaire |

Les approches classiques d'animations d'un personnage virtuel dans un jeu vidéo sont en utilisant des clips d'animations. Ces clips peuvent être produit par un animateur, provenir de capture de mouvements ou être généré procéduralement. En pratique, les 3 approches sont souvent mélangées.
L'idée de ce sujet est d'explorer la famille de techniques de génération procédurale. A partie de données comme la longueur du pas, l'algorithme pourra produire les positions de pieds sur le sol, ainsi qu'une trajectoire de vol entre chaque contact. En phase avec la trajectoire des pieds il est possible de produire une trajectoire du bassin. Le reste du corps pourra être déduit par de la cinématique inverse.

Unity semble être une bonne plateforme pour ceci car il propose un certains nombres d'outils intégrés : un algorithme de ray-casting pour trouver l'interection entre un rayon et la surface du sol (point de contact du pied), un algorithme de cinématique inverse pour générer la position du corps en fonction des positions des pieds, etc.

Il est possible de travailler uniquement sur l'animation ou d'inclure ces mouvements dans un jeu vidéo : jeu de sport, jeu de combat, voir "plateformer" ou exploration d'un monde. L'équipe du projet peut se partager entre les dévelopeurs du jeu qui déplaceront un personnage non animé dans un 1er temps et incluront l'animation procédurale au fur et à mesure.




===== AM3. Capture et transfert d'animation d'un visage vers un autres par image warping ou déformation de maillages 3D =====

^ Domaines                                                                                | Image Processing |
^ Techniques et langages                                                                  | Python ou C++/OpenGL ou C#/Unity|
^ Responsable du sujet                                                                    | Alexandre Meyer   |
^ Difficulté                                                                              | Sujet progressif |


L'objectif de ce projet est de développé un algorithme capable de transférer le mouvement d'un visage d'une personne filmé vers une autre personne. La capture de l'animation du visage source se fera en détectant les points caractéristiques d'un visage filmé avec une webcam en utilisant DLib (python ou C++). 

Un premier prototype se fera en générant une nouvelle position de marqueurs de visage puis en réalisant un warping (déformation) de l'image du visage cible. Une interpolation par RBF (ou autre) semble une solution réalisable. 

Ce warping pourra s'etendre dans 2 directions 
- vers la déformation d'un maillage 3D, probablement en utilsant Gkit (le code de LIFGRAPHIQUE en L2);
- vers une éformation 2D plus réaliste en utilisant les réseaux de neurones (GAN).


===== AM4. Animation physique et optimisation de la morphologie de créatures animées =====
^ Domaine | Algorithme évolutionniste, simulation physqiue, méta heuristiques, optimisation, moteur physique |
^ Langage | C++ ou python avec BulletPhysics; Ou C# avec Unity; etc. |
^ Responsable du sujet | Fabien Rico et Alexandre Meyer                                         | 
^ Information à voir                                                      ||
| [[http://jvf.free.fr/550_Articles_LinuxMag/GLMF_076_034_041.pdf]]  ||
| [[https://www.youtube.com/watch?v=JBgG_VSP7f8]]    ||
| [[https://www.youtube.com/watch?v=m4E9sj9vH1I]]  ||

Les algorithmes évolutionnistes ou génétiques sont des méta-heuristique d'optimisation c'est à dire des méthodes globales pour résoudre des problèmes de toutes sorte qu'il faut adapté à un problème particulier. Comme leur nom l'indique, ils sont basés sur le concepts d'évolution. On génère une famille aléatoire d'individu dont on conserve les plus performant, que l'on mélange pour générer une nouvelle famille ...

Une idée classique de ce choix de projet est d'appliquer ces algorithmes évolutionnistes à un problème de génération de forme de créatures en cherchant à ce que ces créatures réalisent une tâche le mieux possible : par exemple la locomotion. Vous prendrez en main un moteur physique. L'algorithme évolutioniste proposera une série de créatures avec des morphologies différentes encodées par une séquence de "gènes" (un code). La simulation physique donnera une distance de déplacement que l'algo cherchera à maximiser.

L'implémentation peut se faire en C++ ou en python avec le moteur BulletPhysics; mais également en C# avec Unity.


===== AM5. Modélisation, Rendu, Animation de nuages =====
^ Domaine | Synthèse d'images |
^ Langage | C++ (ou C# avec Unity?) |
^ Responsable du sujet | Alexandre Meyer                                         | 
^ Information à voir                                                      ||
| https://tel.archives-ouvertes.fr/tel-00319974/file/defense.pdf  ||
|     ||
|   ||

Les nuages font partis des éléments à modéliser, afficher et animer dans une scène d'extérieure en synthèse d'images. Ce projet se propose d'explorer certains aspects des nuages : leur formation, leur mouvement, leur interaction avec la lumière.


=====GD1. Génération automatique d'une ville numérique =====

^ Domaines      | Informatique graphique, modélisation géométrique   |
^ Librairie  | CGAL                        |
^ Langage      | C++                  |
^ Responsable du sujet    | Guillaume Damiand                                   |
^ Informations à voir     | https://www.cgal.org/ |

L'objectif de ce projet est de générer une ville numérique de manière automatique. Contrairement à la plupart des représentations qui décrivent uniquement la surface extérieure des objets, on cherchera ici à décrire également les intérieurs (à un certain niveau de détail qu'il faudra fixer). On va par exemple représenter un bâtiments par des murs étant des volumes, des planchers, des toits, des portes et des fenêtres. On cherchera également à garantir la cohérence de la scène: les murs doivent se toucher (et pas s'inter-pénetrer), les bâtiments doivent être posés sur le sol...
Il faudra proposer plusieurs méthodes de générations pour traiter les cas des maisons, immeubles... Selon les envies et le temps disponible, on pourra également chercher à meubler automatiquement les batiments, plaquer des textures...

Pour décrire la ville, on utilisera la structure de données des "Linear cell complexes" [1] de CGAL [2], une importante bibliothèque C++ de géométrie algorithmique. Il faudra comprendre la structure de données, puis définir des opérations pour créer les briques de base et enfin combiner ces briques pour modéliser la ville.

[1] https://doc.cgal.org/latest/Linear_cell_complex/index.html
[2] https://github.com/CGAL/cgal

=====GD2. Viewer3D dans CGAL =====

^ Domaines      | Informatique graphique, Visualisation 3D   |
^ Librairies  | CGAL, Qt, SDL                         |
^ Langage      | C++                  |
^ Responsable du sujet    | Guillaume Damiand                                   |
^ Informations à voir     | https://www.cgal.org/ |

CGAL est une importante bibliothèque C++ de géométrie algorithme, distribuée en OpenSource [1]. Elle contient de très nombreux packages implémentant diverses structures de données et algorithmes. Les objets manipulés sont souvent des objets graphiques en 2D et 3D. Pour ces objets, des viewers existent permettant de les visualiser. Ce viewer se base sur Qt coté IHM et QGlViewer pour les aspects OpenGL. 

L'objectif de ce projet est d'améliorer ces viewers pour être plus génériques. L'objectif est triple:
  * permettre aux utilisateurs de facilement paramétrer l'affichage en fonction de leur besoins: changer la couleur des objets, afficher seulement certaines parties...
  * changer le mécanisme utilisé dans les viewers pour pouvoir combiner l'affichage de différents objets au sein d'une même scène
  * développer d'autres viewers en utilisant  par exemple SDL ou Ogre. D'autres propositions pourront être faites selon les envies. On pourra par exemple réaliser un viewer javascript en architecture client/serveur en se basant sur Three.js.
En cas de succès, on pourra envisager de proposer le code développé pour intégration à CGAL.

[1] https://github.com/CGAL/cgal

=====GD3. Reconstruction d'un modèle numérique de Lyon à partir de nuage de points =====

^ Domaines      | Informatique graphique, modélisation géométrique   |
^ Librairie  | CGAL                        |
^ Langage      | C++                  |
^ Responsable du sujet    | Guillaume Damiand                                   |
^ Informations à voir     | https://www.cgal.org/ |

Dans ce projet, on va chercher à reconstruire un modèle numérique de la ville de Lyon à partir de nuages de points disponibles en open-data sur le site du Grand Lyon [1]. On utilisera pour cela la bibliothèque CGAL [2], une importante bibliothèque C++ de géométrie algorithmique. Cette bibliothèque possède de nombreuses structure de données et algorithmes pouvant nous aider à résoudre notre problématique. On pourra par exemple utiliser le package Polygonal Surface Reconstruction [3] qui reconstruit une surface polygonale à partir d'un nuage de points pour reconstruire progressivement les bâtiments, et les insérer itérativement dans le modèle global. D'autres solutions sont possibles et devrons être comparées. 

Le modèle final sera représenté par la structure de données des "Linear cell complexes" [4].

[1] https://data.grandlyon.com/jeux-de-donnees/nuage-points-lidar-2018-metropole-lyon-format-laz/donnees
[2] https://github.com/CGAL/cgal
[3] https://doc.cgal.org/latest/Polygonal_surface_reconstruction/index.html
[4] https://doc.cgal.org/latest/Linear_cell_complex/index.html


===== SA1. Modélisation distribuée d’un jeu stratégique - Exemple du tactical RPG =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce projet est de proposer une modélisation distribuée d’un jeu stratégique. Nous prendrons comme exemple le tactical RPG. Nous considérerons des personnages qui évoluent sur un environnement dynamique. Les personnages appartiennent à plusieurs groupes. Les personnages peuvent se déplacer en même temps selon des règles préétablies. 
Nous implémenterons une méthode de résolution distribuée avec des entités autonomes dotée de comportements intelligents. Nous commencerons par définir des stratégies de résolution simples dans lesquelles les personnages effectuent des déplacements uniquement sur la base de leur perception. Dans une deuxième étape, nous définirons des stratégies de résolution plus fines permettant aux personnages de construire des stratégies de jeu collectives en interagissant avec leur voisinage. L'étudiant peut avoir acces a une premiere implementation deja realisee.

===== SA2. Véhicule autonome : Gestion automatique de la traversée d’une intersection intelligente=====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Les récentes évolutions technologiques des dernières années ont permis d’améliorer le niveau d’équipement des véhicules rendus de plus en plus connectés, voire autonomes, ce qui permet de proposer de nouvelles réponses aux problèmes du trafic urbain. Les véhicules sont, à présent, capables de communiquer et de se coordonner. Avec notre projet, nous proposons une approche de régulation du trafic s’appuyant sur des méthodes distribuées pour améliorer les conditions de mobilité des véhicules.

Dans le cadre ce travail, nous implémenterons la méthode de régulation que nous avons définie à l’échelle de l’intersection tirant parti des capacités de communication des véhicules, et dans laquelle les véhicules autonomes négocient leur droit de passage dans chaque intersection. Cette négociation s’effectue en utilisant des mécanismes prédéfinis en s’appuyant sur les données de mobilité de chaque véhicule et en permettant ainsi de prendre en compte différents critères pour la prise de décision locale, comme l’état général du trafic, la localisation d’éventuelles congestions, ou encore la circulation des bus, les trajets programmés par les véhicules, etc. L'étudiant peut avoir acces a une premiere implementation deja realisee.

===== SA3. Exploration collective d’un territoire par des drones =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Nous allons développer un système automatique pour le partage efficace de tâches entre des drones autonomes capables de collaborer pour l’exploration d’un territoire. Le système doit prendre en compte les contraintes de navigation des drones, les contraintes environnementales, etc. 
L’objectif de la coordination entre les drones est de minimiser les coûts d’exploration en termes d’énergie par exemple. Nous considérerons une résolution distribuée et nous testerons ainsi différentes méthodes.

===== SA4. Partage dynamique d’énergie verte entre des ilots autonomes et des véhicules connectés=====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Plusieurs projets urbains innovants d’ilots autonomes tels que le projet du groupe Bouygues-construction pour la gestion intelligente de l’énergie traitent du problème du partage dynamique de l’énergie avec son réseau de communication énergétique et un système de stockage par des batteries de nouvelle génération directement installées dans les bâtiments. Ce projet vise à équiper les foyers avec de nouveaux dispositifs intelligents pour éprouver des solutions originales pour les futurs réseaux de distribution.  Il cible l’ouverture des  réseaux  et l’exploitation automatique des îlots. L’évolution actuelle de ces ilots est renforcée grâce au développement de nouvelles batteries de stockage à fort potentiel et à faibles coûts, et au transfert intelligent de l’énergie entre les ilots avec un câblage interne indépendamment des systèmes de distribution classiques. Ce transfert permet d’envisager une adaptation de la consommation de manière locale, i.e., à l’échelle d’un quartier, en réduisant les coûts et les pertes du transport de l’énergie. 

Pour accompagner le développement de ce projet, une solution pour la gestion du surplus d’énergie s’est inscrite en direction des véhicules autonomes solution de stockage et d’usage intelligent de l’énergie renouvelable. Ce modèle de fonctionnement requière l’installation de bornes de rechargement communicantes au niveau des ilots autonomes permettant aux résidents et aux non-résidents de l’ilot d’accéder au surplus d’énergie produite dans ces ilots moyennant une participation financière mais avec un coup d’achat de cette énergie relativement inférieur à celui appliqué par les fournisseurs standards. La gestion de l’énergie doit ainsi être reformulée comme un problème de planification où l’énergie fournie est considérée comme une ressource partagée et intermittente dont l’usage doit être régulé et optimisé par ce nouveau système intelligent. 
L’objectif de ce projet est ainsi d’implémenter une méthode de résolution qui permet aux véhicules de se recharger auprès des bornes intelligentes et de contrôler dynamiquement les interactions entre les véhicules autonomes et les bornes. L'étudiant peut avoir acces a une premiere implementation deja realisee.

===== SA5. Formation dynamique de pelotons pour une conduite collaborative =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
La conduite en peloton est un mode de conduite collaborative où les véhicules forment des groupes ou 
le premier véhicule, dit le véhicule meneur, est piloté par un conducteur humain ou un programme ; les 
autres véhicules suivent de manière automatique leur prédécesseur sachant que chaque conducteur peut 
garder le contrôle de son véhicule. Les véhicules sont directement interconnectés par un réseau sans-fil 
et échangent des informations en temps réel sur un réseau ad hoc dédié. Cette formation présente de 
nombreux avantages, notamment de sécurité puisque la signalisation du meneur est automatiquement 
retransmise aux autres véhicules. Par exemple, si un des véhicules du peloton effectue un freinage 
d’urgence alors tous ceux qui le suivent freineront instantanément, ainsi le risque de carambolage est 
réduit. La communication inter véhicules peut alors être utilisée pour pallier au problème de stabilité 
des pelotons, et leur permet un certain niveau d’organisation interne. 

Le rôle de l’étudiant est de formaliser et d’implémenter un ensemble de 
comportements nécessaires à un véhicule autonome pour qu’il puisse former des pelotons pendant son 
trajet sans devoir modifier son itinéraire. 

===== SA6. Gestion intelligente de parkings dans un centre urbain =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce projet est de proposer une méthode distribuée pour l’affectation des places de stationnement à des véhicules intelligents. Le rôle de l’étudiant est de formaliser et d’implémenter l’ensemble des comportements nécessaires aux véhicules pour interagir avec les parkings et négocier le tarif de stationnement qui est décidé dynamiquement en tenant compte d’un ensemble d’information, telles que la durée du stationnement, le profil de l’usager, le taux d’occupation du parking, le créneau horaire, etc. 

===== SA7. Planification dynamique de la trajectoire d’un véhicule électrique  intelligent =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Dans le cadre de ce projet, nous étudierons la consommation énergétique d’un véhicule électrique intelligent. Nous examinerons un ensemble de méthodes pour planifier dynamiquement la trajectoire du véhicule en tenant compte à la fois de la consommation prédite, des contraintes de mobilité des véhicules, de l’occupation des voies, etc. 
Chaque véhicule est modélisé dans le système par un agent intelligent. Nous définirons les comportements des véhicules et proposeront le modèle d’interaction pour supporter les interactions entre les véhicules et l’infrastructure.  

===== SA8. Simulation distribuée du jeu de football (1) =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Le football est un jeu stratégique complexe dans lequel se mêlent les stratégies individuelles des joueurs et les stratégies collectives des groupes. Dans ce projet, nous proposerons une modélisation distribuée de ce jeu. Nous implémenterons l’environnement du jeu avec l’ensemble des personnages. Nous proposerons des comportements de jeu simples pour les joueurs. Nous implémenterons et testerons les algorithmes correspondants.     

===== SA9. Simulation distribuée du jeu de football : Comportements collectifs (2) =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Ce projet est une variante du projet SA8 qui porte sur le jeu du football. En plus de la modélisation  distribuée du jeu à proposer, nous nous intéresserons particulièrement au problème de la formation des groupes de joueurs sur le terrain. Nous définirons les critères de formation de ces groupes et les algorithmes correspondants ensuite nous les testerons.


===== SA10. Modélisation distribuée d’une variante du jeu de dames  =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce projet est de proposer une modélisation distribuée d’un jeu stratégique. Nous prendrons comme exemple une variante du jeu de dames. Dans ce jeu, les pièces peuvent se coordonner et communiquer pour mettre en œuvre des stratégies collectives. Elles peuvent effectuer différents mouvements parallèles selon des règles prédéfinies et exhiber différents comportements (tels que des attaques de groupes simultanées). Nous testerons différentes règles de jeu et implémenterons les stratégies collectives. 

===== SA11. Sites marchands intelligents pour le commerce électronique   =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
Nous utiliserons des modèles de négociation automatique pour la mise en place de sites marchands intelligents. Chaque site dit "vendeur" propose plusieurs items ou produits avec des indications sur les propriétés des items (ex. prix min,...). Un utilisateur peut spécifier, à un site dit "acheteur", l’item qu’il recherche, ses propriétés ainsi que les contraintes et les préférences associées à cet item. Le site acheteur se chargera alors de mener les négociations automatiques avec les sites vendeurs proposant cet item. Le travail demandé consiste à modéliser les différents comportements de négociation automatique pour la vente et l’achat des items. Nous définirons les protocoles d’interactions et de négociation correspondants. Nous implémenterons et testerons l'ensemble des mécanismes à proposer.     

===== SA12. Livraison de marchandises   =====
^ Domaine | Intelligence Artificielle|
^Langage (proposé) | C++, java |
^ Responsable du sujet | Samir AKNINE                                          | 
L’objectif de ce travail est de proposer un planner automatique pour la livraison intelligente de marchandise. Nous allons considérer un ensemble de véhicules de livraison chacun ayant des propriétés spécifiques (ex. poids maximum à transporter, niveau d’autonomie, …). Chaque véhicule possède une liste de tâches à accomplir dans la journée. Il doit planifier l’ordre d’exécution de ses tâches de manière dynamique et parer à tout événement pouvons se produire dans son environnement (ex. blocage ponctuel d’une voie). Nous proposerons une modélisation distribuée dans laquelle chaque véhicule possède des connaissances de son environnement et peut interagir avec les autres véhicules et l’infrastructure. Il décide individuellement de ses actions et peut adapter ses comportements de manière dynamique. Nous implémenterons et testerons un ensemble de mécanismes pour garantir cette interaction et adaptation aux événements imprévus.