Apprentissage Automatique Robuste pour les Systèmes de Gestion du Trafic de Drones – ROMEO

ROMEO est un projet qui a pour but de développer un système robuste de détection des anomalies de trajectoires de drones grâce à l’utilisation conjointe de réseaux de neurones inspirés par la physique, de méthode statistiques de détection des anomalies et de quantification de l’incertitude par inférence conforme. Dans ce consortium, Thales apporterait son expertise pour l’usage de réseaux de neurones inspirés par la physique. L’Institut de Mathématiques de Toulouse (IMT) apportera son expertise sur les méthodes d’évaluation de l’incertitude par inférence conforme.
L'usage massif de drones ouvre la voie à de nombreuses applications à la fois dans le domaine civil et dans celui de la défense par exemple pour des missions de surveillance ou de logistique intelligente. De telles applications peuvent nécessiter le déploiement de large flottes de drones et dans ce contexte il est cruciale de pouvoir assurer un usage sûr des drones grâce à des solutions de gestion du trafic de drones (unmanned traffic management UTM) performantes et fiables. Dans ce projet nous proposons de générer un système d'alertes fiable pour les opérateurs d'UTM. Ce systèmes d'alerte est déclenché par une anomalie de la trajectoire de drone réelle par rapport à une trajectoire normale attendu. La prédiction de la trajectoire normale sera basée sur des réseaux de neurones inspirés par la physique ce qui permet d'intégrer les connaissances expertes de mécanique du vol. La détection d'anomalies sera réalisée grâce à des métriques statistiques innovantes. L'incertitude sur la prédiction du comportement normal sera estimée grâce à des méthodes d'inférence conforme. Ces bornes d’incertitudes seront intégrées dans le mécanisme de détection d’anomalie afin de pouvoir fournir à l’opérateur des alarmes dont il peut avoir confiance pour éclairer ses décisions.