technology-aided MOBIlity by semantic DEEP learning – MOBI-DEEP

MOBI-DEEP a pour objectif principal de développer des technologies permettant (ou aidant à) la navigation autonome dans des environnements ouverts et inconnus au moyen de capteurs bas coût tels que des caméras numériques. Ce projet se positionne à contre-courant des approches dominantes où une bonne connaissance a priori de l'environnement traversé (disponible sous forme d' une cartographie par ex.) et/ou la capacité de reconstruire en 3D la structure géométrique de cet environnement (SLAM, Lidar, etc) sont nécessaires. Avec ces deux capacités, des systèmes efficaces ont vu le jour en particulier dans le cadre de la robotique mobile. En revanche, ces systèmes sont inefficaces quand une de ces deux capacités n'est pas disponible.
Or il existe de nombreuses situations où des systèmes doivent pouvoir naviguer avec une connaissance limitée de leur environnement et avec un système perceptif le plus léger possible. MOBI-DEEP s’intéressera à ces situations à travers deux applications : l'aide au guidage des personnes déficientes visuelles et l'assistance à la navigation de robots mobiles en milieux ouverts.

Un objectif stratégique du projet est d'aboutir aux fondements d'un système d'aide à la mobilité pour personnes déficientes visuelles qui, par sa légèreté, puisse être emporté en toute occasion, et qui, surtout, ait besoin du minimum d'informations a priori sur l'environnement traversé. Dans ce cas, la tâche de navigation aura une mission d'aide à la navigation et non d'un contrôle du déplacement. Il s'agit, à l'aide d'une seule caméra embarquée (smartphone), d'indiquer à la personne, par une information sonore, dans quelle direction elle peut se diriger afin d'atteindre sa destination, quelle région de son environnement immédiat est libre d'obstacles et d'objets présentant un risque de collision, et de quoi se compose son environnement.

Un deuxième objectif stratégique consiste à concevoir un système de navigation en boucle fermée, pour l'assistance à la navigation de robots. Le projet se concentrera sur le cas des mini-drones. À nouveau il s'agira de déterminer de quoi se compose l'environnement du drone, où se trouve la destination et quel est l'espace libre ne présentant pas de risque de collision immédiate ou dans un futur proche. Pour ce cas d'usage, il s'agira d'un asservissement (boucle fermée). Dans ce cas d'usage, tout comme dans le cas de l'aide à la navigation de personnes, le guidage se fera en 2D (suivi de chemins, déplacements, etc).

Par le choix de ces deux contextes, nous démontrerons que les briques technologiques développées par le projet pourront être facilement adaptées à des cas d'usages différents pour lesquels le besoin de fiabilité, les contraintes de légèreté et de temps réel sont forts. Des technologies d'analyse sémantique de scènes, d'inférence de profondeur, de vitesse, et de navigation par cartes locales seront développées pour répondre à ces besoins. Le projet s'appuiera en particulier sur le développement d'architectures de type réseau de neurones convolutionnels profonds et de méthodes d'apprentissage statistique.