Agenda

Département
Langue
Date
Thématique
2025

décembre

  • 12:45
    13:45

    Mohamed Mosbah (Bx INP, LaBRI) donnera un séminaire, le 04 Mos
     

    Amphi LaBRI
  • 14:00
    17:00

    Composition du jury :

    - Robert ROSS, Deputy Division Director/ Senior Computer Scientist, Argonne National Laboratory (Etats-Unis) - Rapporteur
    - Jesus CARRETERO, Full professor, Universidad Carlos III de Madrid (Espagne) - Rapporteur
    - Gabriel ANTONIU, Directeur de recherche, Inria - Rapporteur
    - Thomas HERAULT, Directeur de recherche, Inria - Examinateur
    - Vania MARANGOZOVA, Professeure des universités, Université Grenoble Alpes - Examinatrice
    - Julien KUNKEL, Professor, University of Göttingen (Allemagne) - Examinateur
    - Brice GOGLIN, Directeur de recherche, Inria - Directeur de recherche 
     

    Salle Ada Lovelace (Inria)
  • 15:30
    18:30

    La thèse « Locomotion, planification de pas et résistance aux chutes des robots humanoïdes via des politiques d'apprentissage par renforcement » étudie comment doter les robots humanoïdes d'une marche fiable et d'une capacité de relevage rapide après chute, sans recourir à des heuristiques ni à des trajectoires préprogrammées. Elle s'inscrit dans un défi central de l'autonomie robotique : permettre à des robots réels d'agir de façon robuste dans des environnements incertains et riches en contacts, tout en respectant les contraintes du calcul embarqué. Les approaches purement basées sur des modèles montrent leurs limites d'adaptation, tandis que l'apprentissage par renforcement profond (DRL) promet des comportements généralisables appris à partir de données. La problématique est donc : comment concevoir des politiques DRL à la fois légères en calcul, transférables de la simulation au robot réel, et intégrables dans les piles de locomotion standard ? Méthodologiquement, la thèse établit les bases de l'apprentissage par renforcement appliqué à la robotique, puis propose deux contributions principales entraînées en simulation avec randomisation de domaines et validées sur des humanoïdes de petite taille. FootstepNet est un planificateur de pas acteur-critique efficace, capable de produire des placements de pas continus tout en anticipant le nombre de pas nécessaires pour atteindre plusieurs objectifs locaux ; il supprime la dépendance aux ensembles de pas discrets et aux heuristiques, fonctionne en inférence embarquée et égale ou dépasse la qualité des planifications d'ARA*, pour un coût de calcul bien moindre, avec une validation en simulation et sur robot réel lors de la RoboCup 2023. FRASA, quant à lui, est un agent unifié de rattrapage et de relevage : une seule politique transforme des observations proprioceptives en commandes moteurs permettant d'établir des contacts stabilisateurs avant de se relever. Exploitant l'algorithme Cross-Q et la symétrie du robot, FRASA réduit l'entraînement à environ 30 minutes et se transfère zero-shot sur le robot réel, surpassant une référence à base de trajectoires préprogrammées et gérant une grande variété de postures initiales. En conclusion, ces travaux montrent que des politiques DRL légères, modulaires et sûres peuvent être rendues pratiques pour le contrôle embarqué des humanoïdes, réduisant significativement les temps d'indisponibilité après perturbation et ouvrant la voie à une autonomie plus générale et robuste en conditions réelles.
     

    Amphi 2 Bât 2A (IUT de Bx, Gradignan)
  • 14:00
    17:00

    L’adoption du dossier patient informatisé a considérablement amélioré l’accès à de vastes volumes de données cliniques. Si cet accès constitue une ressource précieuse pour les soins comme pour la recherche, il soulève néanmoins de nouveaux défis liés à la complexité des données médicales. Parmi ces défis figurent leur caractère implicite (dont l’interprétation reste difficile sans expertise médicale), leurs imperfections telles que l’incohérence, l’incertitude et l’incomplétude, ainsi que leur dimension temporelle intrinsèque. Cette thèse explore comment des approches fondées sur la logique peuvent remédier à ces difficultés.
    Dans un premier temps, j’ai étudié une approche ontologique afin d’illustrer l’apport des ontologies dans l’évaluation de la qualité des données médicales, en particulier pour le phénotypage des cancers du poumon. Cette approche a consisté à concevoir une ontologie pour formaliser les connaissances essentielles du domaine et l’exploiter pour interroger l’entrepôt de données de santé du CHU de Bordeaux. Ce travail a permis de mettre en évidence les apports des ontologies pour la représentation des connaissances et la détection d’incohérences, tout en soulignant certaines limites, notamment en ce qui concerne la gestion des incohérences temporelles dans les données de santé.
    Fort de cette première expérimentation, j’ai ensuite proposé un nouveau framework logique pour l’inférence d’événements cliniques de haut niveau à partir de données temporelles, en cohérence avec le raisonnement et la prise de décision cliniques. Ce framework définit des règles logiques exprimant les conditions d’existence d’un événement à un instant donné, ainsi que, de façon optionnelle, des conditions de terminaison signalant sa fin potentielle. Deux méthodes d’agrégation permettent ensuite de construire des intervalles d’événements à partir de ces conditions. Le formalisme introduit également la notion de méta-événements, obtenus par combinaison ou généralisation d’autres événements, et intègre des niveaux de confiance ainsi qu’un mécanisme de réparation pour traiter les imperfections inhérentes à la détection des événements. Pour valider l’intérêt de ce framework, j’ai implémenté ses composants principaux en Answer Set Programming. Le système obtenu, CASPER, a été évalué sur deux cas d’usage médicaux, démontrant à la fois sa faisabilité computationnelle et sa concordance avec l’avis d’experts médicaux.
     

    Amphi LaBRI
  • 15:30
    16:30

    Locomotion, step planning, and fall resistance in humanoid robots via reinforcement learning policies

    Français
    Amphi 2 Bat A IUT Gradignan
  • 14:00
    15:00

    Title: On some extensions of First-Order logic on graphs

    Abstract: In this talk we present a landscape of extensions of first-order logic (on graphs) and we discuss their expressive power and algorithmic results related to them. These extensions involve either additional predicates expressing different types of connectivity or the quantification over vertex sets that are (in a sense) of simple structure.

    Français
    178
  • 10:00
    13:00

    Le calcul haute performance désigne l’usage de supercalculateurs pour résoudre des problèmes complexes nécessitant une puissance de calcul exceptionnelle, notamment dans les simulations numériques comme la météo ou la dynamique des fluides. Ces systèmes, organisés en clusters de calcul, combinent administration système, réseau, architecture matérielle et optimisation logicielle. Les supercalculateurs sont composés de multiples nœuds de calcul, chacun équipé de processeurs multicœurs voire de cartes graphiques, reliés en réseau permettant l’échange de données. Plutôt que d’exécuter une tâche sur une seule machine, les problèmes sont découpés et parallélisés. Cela permet une execution simultanée sur plusieurs ressources. On distingue deux formes de parallélisme : inter-nœuds, où la communication entre nœuds est critique mais les ressources sont vastes et intra-nœud, où les processeurs partagent la mémoire, facilitant la communication mais avec des ressources plus limitées. Dans ce cadre, les applications de streaming, notamment la radio logicielle, tirent profit du parallélisme intra-nœud. Le traitement en continu (stream computing) se différencie du traitement par lots. Les données sont traitées à mesure qu’elles arrivent, sans accumuler les données d'entrée. Les filtres de traitement sont organisés en pipeline, chaque étage étant exécuté par une resource de calcul différente. Ce mécanisme permet d’augmenter significativement le débit, métrique essentielle dans des usages comme la diffusion vidéo ou radio. Ce travail de thèse vise à optimiser l’allocation automatique des ressources pour des applications de streaming sur architectures multicœurs, d’abord homogènes puis hétérogènes. La première partie de ce travail s'intéresse à l'ordonnancement de chaîne de tâches sur achitecture multicœurs homogènes. Le problème est modélisé comme un problème d'ordonnancement de flux de travail en pipeline. L’objectif est de maximiser le débit en exploitant le parallélisme de pipeline et de réplication de tâches. Deux algorithmes sont proposés : une approche par programmation dynamique pour obtenir une solution optimale et OTAC, un algorithme glouton optimal garantissant un haut débit tout en minimisant les ressources utilisées. Les expérimentations montrent qu’OTAC produit rapidement des partitions optimales, avec une utilisation réduite de ressources. L’émergence de processeurs hybrides composés de cœurs performants (core-P) et de cœurs efficaces energétiquement (core-E) introduit de nouveaux défis : les temps d’exécution varient selon l’affectation. L’objectif devient double : maximiser le débit tout en minimisant la consommation énergétique, en privilégiant l’usage des cœurs efficace. La seconde partie se concentre donc sur l'allocation de ressources pour des chaînes de tâches sur architectures hétérogènes. Trois stratégies sont développées : deux heuristiques gloutonnes (FERTAC et 2CATAC) et une solution optimale par programmation dynamique (HeRAD).
    Les résultats indiquent que les heuristiques atteignent des performances proches de l’optimum tout en consommant très peu de ressources supplémentaires. La dernière partie de ce travail s'intéresse à la gestion de plusieurs chaînes de streaming simultanées. Dans certains contextes comme l’embarqué, l’IoT ou le cloud, plusieurs applications cohabitant sur les mêmes ressources. Le but est alors de répartir intelligemment les ressources entre plusieurs pipelines en satisfaisant les contraintes de débit sans gaspillage de ressources. La dernière partie explore des stratégies d’allocation adaptées à la gestion de plusieurs chaînes de tâches ou graphes de tâches. Ainsi, cette thèse propose plusieurs contributions quant à l’optimisation des systèmes de streaming sur architectures parallèles, couvrant l’ordonnancement optimal, l’adaptation aux architectures hétérogènes et la cohabitation de plusieurs flux simultanés, avec une attention constante à la performance et à l’efficacité énergétique.

    Amphi LaBRI
  • 14:00
    17:00

    Depuis quelques années, la production de données en biologie connaît un essor sans précédent, provoqué par le développement des techniques de séquençage à haut débit, dont le périmètre d'application ne cesse de s’élargir. Les nouvelles technologies de séquençage ciblant spécifiquement une seule cellule (``single-cell'') en sont un exemple. En cancérologie, ces nouvelles données sont cruciales pour améliorer notre compréhension du développement et de l'hétérogénéité d'une tumeur, grâce à l'identification des différents types (ou états) cellulaires qui la composent. A l'échelle d'un patient, une cartographie compréhensible de cette hétérogénéité ouvre la voie à de nouvelles thérapies de médecine personnalisée. La caractérisation de cette hétérogénéité cellulaire nécessite d'exploiter des méthodes automatiques ou manuelles, afin de proposer l'annotation d'une cellule individuelle (ou d'un groupe de cellules similaires), sur la base de l'expression de ses gènes. Dans ce contexte, le projet de cette thèse vise à développer de nouvelles méthodes d'annotation de données single-cell, à l'intersection de plusieurs disciplines, telles que la bioinformatique et l'informatique (représentation des connaissances et visualisation, notamment). 

    Amphi LaBRI
  • 14:30
    18:00

    Déterminer les conditions de culture des micro-organismes est un problème difficile et récurrent en microbiologie, qui nécessite d'identifier des besoins nutritionnels et caractériser le métabolisme. Les \textit{réseaux métaboliques à l'échelle du génome} (GSMN) obtenus à partir de données génomiques permettent d’effectuer des simulations de la capacité métabolique d'un organisme à partir d’un environnement prédéfini. Nous avons développé des méthodes qui résolvent le problème inverse : la prédiction des nutriments sources, ou \textit{graines}, à partir d'un GSMN et d'un objectif métabolique. Les méthodes proposent des modèles hybrides, combinant une approximation Booléenne discrète et itérative de l'activité métabolique avec des contraintes numériques d’équilibre de flux (FBA). Appliquée à l'échelle d'une population individuelle sur des réseaux métabolique à l'échelle génomique, la méthode de modélisation logique est une bonne approximation des contraintes d’équilibre de flux. Le problème a dans un second temps été étendu aux communautés de micro-organismes. À cette échelle, il est nécessaire de considérer les transferts possibles entre réseaux, ce qui augmente la combinatoire du problème. Nous faisons l'hypothèse qu'il est pertinent d'identifier en priorité des ensembles minimaux de nutriments assurant la fonctionnalité du réseau métabolique, ce qui nous amène à hiérarchiser les optimisations sur les ensembles, en cherchant d'abord à minimiser les graines, puis les transferts. Trois algorithmes ont été mis en place, dont deux assurant la minimalité par inclusion. L’application des méthodes sur des petites communautés de réseaux révèle la complexité combinatoire, mais aussi la complémentarité des algorithmes.

    Amphi LaBRI
  • 10:00
    14:00

    Cette thèse s’inscrit dans une période d’essor sans précédent de la robotique humanoïde, portée à la fois par des avancées technologiques rapides et par un engouement croissant des acteurs privés et du grand public. Dans un tel contexte, les progrès récents en matière de motricité des robots humanoïdes ainsi que leur acceptation sociale grandissante semblent annoncer leur prochaine intégration dans des environnements réels aux côtés des humains. Face à cette ambition, un défi majeur demeure : assurer la robustesse et l’autonomie de la locomotion dans les contexts dynamiques où ces robots seront amenés à évoluer. Pour y répondre, ce travail combine modélisation physique et apprentissage par renforcement, en exploitant les avantages complémentaires de ces deux paradigmes — les guaranties de stabilité offertes par la modélisation et la capacité d’adaptation issue de l’apprentissage. Ce manuscrit débute par un état de l’art des méthodes de contrôle et d’apprentissage appliquées à la locomotion humanoïde, destiné à identifier les approches les plus prometteuses pour concilier robustesse, adaptabilité et réalisme dynamique. Sur ces fondations, le logiciel PlaCo, dédié à la planification de mouvement et au contrôle de robots, est développé. Il vise à abstraire la complexité des formulations d’optimisation nécessaires à la génération de trajectoires, tout en maintenant des performances compatibles avec une exécution en temps réel. Ce cadre est ensuite exploité pour concevoir et deployer sur le robot humanoïde Sigmaban un contrôleur de marche fondé sur le modèle du pendule inversé linéaire (LIPM). Ce développement met en évidence la capacité de ce modèle à produire des trajectoires cohérentes en temps réel, tout en révélant les limites pratiques rencontrées sur plateforme réelle. Afin de surmonter ces limitations et de permettre une adaptation dynamique aux perturbations, un agent d’apprentissage par renforcement dédié à la récupération en cas de chute est développé. Entraîné en simulation, cet agent est transféré avec succès sur le robot réel, démontrant un gain significatif en autonomie. La difficulté de ce transfert met néanmoins en évidence la problématique centrale de l'écart entre environnements simulé et réel. Cette observation conduit à chercher comment minimiser cet écart en ameliorant la fidélité de la simulation. Une étude approfondie des phénomènes de friction dans les servo-actionneurs est menée, montrant comment une prise en compte plus fine de ces phénomènes améliore la qualité de la simulation et des transferts de politiques.

    Salle 178 (LaBRI)