Syllabus

Semestre 9

Méta-modélisation (META)

Intervenants

Alain Plantec (Responsable, UBO), Joël Champeau (ENSTA).

Volume horaire et ECTS

24h CM-TP. 4 ECTS.

Présentation

Ce cours introduit les aspects généraux du domaine de la modélisation et de la méta-modélisation : enjeux, terminologie, langages spécifiques, environnements et applications.

Structure générale

Introduction : Motivations, définitions préliminaires, terminologie et enjeux - Qu'est-ce qu'un modèle - Relation de description - méta-modèle, tour de modélisation et espaces techniques - transformation de modèles - lien de causalité - Environnements de modélisation et de méta-modélisation

Langages à domaine spécifique (DSL) : justification, usage, spécification et outillage. Dans un premier temps, toutes les notions fondamentales liées au traitement des langages formels sont rappelées. Ces notions comprennent en particulier la notion de syntaxe abstraite et son lien naturel avec la notion de métamodèle. Ces notions comprennent également la notion de sémantique, notamment axiomatique, et son lien naturel avec la notion de contrainte de métamodèle. Le lien ainsi formellement établi entre la théorie des langages et l'ingénierie dirigée par les modèles permet d'introduire l'outillage des DSL avec les technologies courantes liées au MOF - Rappels sur les langages: Définitions, syntaxe concrète et abstraite, sémantique - Rappels sur les métamodèles: Définitions et modèles métiers - DSL: Définitions, spécifications et formes de DSL, Outillage - Notions connexes et littérature

Compétences visées

- savoir définir un Language - savoir quand définir un language - savoir outiller un language

Relation Cognition Interaction Environnement (RCIE)

Intervenants

Pierre de Loor (Responsable, ENIB), Loannis Kanellos (IMT Atlantique), Pierre Chevaillier (ENIB).

Volume horaire et ECTS

24h CM-TP. 4 ECTS.

Présentation

Cette UE a pour objectif de présenter ce que les principaux champs des sciences cognitives permettent de savoir sur les relations entre la cognition et l'interaction individu-environnement afin de mieux comprendre les enjeux liés aux nouvelles technologies, que ce soit les environnements numériques, la réalité virtuelle ou les relations aux robots. Les champs disciplinaires abordés sont la psychologie, la philosophie, les neurosciences, l’intelligence artificielle et la réalité virtuelle.

On y abordera notamment la notion d'homme augmenté et son rapport avec les connaissances en sciences cognitives, un point sur les dernières avancées en IA et leur relation aux connaissances en science cognitive, ainsi qu'une compréhension des principes, des objectifs, des capacités et limites des expérimentations menées en psychologies cognitives sur les notion liées à l'interaction homme/système.

Structure générale

Introduction aux sciences cognitives : - Les paradigmes des sciences cognitives : cognitivisme, connexionnisme, constructivisme, gestalt, approches écologiques. - L’apport respectif des domaines des SC : philosophie, psychologie, informatique, neuroscience, anthropologie, - L’interprétation, son lien à la perception et son évolution liée aux nouvelles technologies - L'intelligence artificielle au service des sciences cognitives : modèles (cognitifs, neuro-inspirés) - Focus sur le paradigme de l’énaction et son impact sur le développement des nouvelles technologies (Env numériques, I.A., RV, Robotique)

L’évaluation de l’expérience : - Immersion et présence dans les environnements immersifs - Engagement de l’utilisateur dans l’interaction avec une entité autonome (humain virtuel, robot)

Compétences visées

Les définitions des différents champs des sciences cognitives, le paradigme de l'énaction, la notion d'interprétation, l'impact des nouvelles technologies sur l'homme, les techniques d'intelligence artificielle inspirées des connaissances en sciences cognitives, les questions de recherche et protocoles d'évaluation utilisés en psychologie liés à l'usage des nouvelles technologies.

Interaction et Vérification (IV)

Intervenants

Antoine Beugnard (Responsable, IMT Atlantique), Thierry Duval (IMT Atlantique), Philippe Dhaussy (ENSTA).

Volume horaire et ECTS

24h CM-TP. 4 ECTS.

Présentation

La composition est un problème crucial du logiciel. Nous l’abordons ici sous l’angle de sa spécification sous la forme de contrats pour décrire les comportements attendus et offerts puis de la vérification de ses contrats à l’aide de l’approche dite model-checking.

Structure générale

1. La notion d’interface et de contrat (SysML, contrat niveau sémantique pré/post, OCL, contrat niveau synchronisation interactions) 2. Modélisation des interactions (statecharts, automates, sémantiques de la synchronisation ) 3. Sémantique des automates temporisé 4. Logiques temporelles (type LTL et CTL) pour la spécifications de propriétés 5. Techniques et algorithmes pour le model-checking 6. Illustration avec le langage le model-checker UPPAAL

Compétences visées

Modélisation des interactions entre logiciels, applications (et humains). Vérification de propriétés des interactions.

Interaction avec les Environnements de réalité Virtuelle ou Augmentée (IEVA)

Intervenants

Pierre Chevaillier (Responsable de l'UE, ENIB), Thierry Duval (IMT Atlantique), Eric Maisel (ENIB)

Volume horaire et ECTS

24h CM-TP. 4 ECTS.

Présentation

L’objectif de cette unité d’enseignement est d’acquérir les connaissances nécessaires à la réalisation d’une application de réalité virtuelle mettant en jeu des entités intelligentes, notamment des personnages autonomes. Les principaux aspects théoriques et techniques sont abordés : modélisation de l’environnement virtuel, interactions naturelles avec l’environnement et les entités autonomes, simulation de comportements autonomes, interactions conversationnelles avec des personnages. Les technologies abordées sont celles de la réalité virtuelle (immersion et interaction), du jeu vidéo (simulation de comportement) et de l’interaction en langue naturelle parlée. L'accent est mis sur les environnements informés peuplés d'entités autonomes, notamment des humains virtuels expressifs capables d'exploiter les ressources de l'environnement virtuel et de communiquer avec l'utilisateur.

Structure générale

Modélisation sémantique des environnements virtuels

• Modèles d'environnements informés comme modèle de connaissance « métier » : modélisation ontologique, modélisation des comportement, déploiement dans une application de réalité virtuelle
• Modèles d'activités collaboratives

Modélisation du comportement d'entités autonomes

• Comportement réactif d’entités autonomes : modèles bio-inspirés (steering, flocking)
• Modélisation de l’environnement pour la navigation (path-planning, champ de potentiel, etc.)
• Modèles pour la perception artificielle des entités autonomes : perception de l’environnement et perception pour les interactions sociales
• Modèles de comportements réactifs pour l'animation comportementale

Interaction naturelle avec agents conversationnels expressifs

• Architecture d’agents cognitifs pour des agents autonomes intelligents
• Humains virtuels conversationnels et expressifs

Compétences visées

• Savoir construire une application de réalité virtuelle en utilisant un moteur de jeu vidéo
• Savoir programmer un comportement réactif pour une entité virtuelle intelligente et adaptative
• Savoir modéliser des connaissances métiers et les utiliser pour la conception du comportement cognitif d’un agent autonome
• Connaitre les principales architectures d'agent conversationnel et les solutions techniques existantes

SMA et simulation interactive (SMA)

Intervenants

Vincent Rodin (Responsable, UBO), Pierre Chevaillier (ENIB), Pascal Ballet (UBO), Jérémy Rivière (UBO).

Volume horaire et ECTS

24h CM-TP. 4 ECTS.

Présentation

L'objectif de cette UE est l'étude des systèmes multi-agents pour la modélisation et la simulation de systèmes complexes. L'accent sera mis sur le paradigme des systèmes multi-agents tant du point de vue des concepts que du point de vue des modèles théoriques sous-jacents. Ce paradigme sera la clef de voute de la modélisation de systèmes complexes. Afin d'approfondir cette notion de modélisation de systèmes complexes, l'accent sera mis sur la modélisation et la simulation de phénomènes biologiques qui sont par nature des phénomènes complexes. Cette phase de modélisation et la simulation permet une meilleure compréhension des interactions et des phénomènes au sein de systèmes complexes.

Structure générale

SMA concepts, modèles théoriques, etc. : Principes et modèles théoriques des systèmes multi-agents. Les différentes approches de modélisation multi-agents: centrées agent, interaction, environnement, organisation. Programmation orientée agent - études de cas : coordination décentralisé, résolution distribuée de problèmes.

SMA et modélisation de systèmes Complexes : Introduction et généralités sur les systèmes complexes, exemples ; Adéquation des SMA pour l'approche "bottom-up" ; SMA pour la simulation et la modélisation de systèmes complexes : pourquoi simuler ? Comment construire un modèle ? Exemples et applications en Biologie.

SMA et modélisation en biologie : Introduction aux laboratoires virtuels, modélisation et simulation multi-agents in-virtuo.

Exemple de Laboratoire Virtuel (NetBioDyn): Présentation des défis de la simulation dans le cadre de la médecine ré-générative et de NetBioDyn: définition des agents, leurs comportements, les interactions possibles. Ordonnancement chaotique ; Exemples et applications en Biologie : systèmes complexes multi-cellulaire.

Compétences visées

Système Multi-Agents: concepts, modèles théoriques, modélisation de systèmes complexes et laboratoires virtuels pour la biologie.

Interactive Machine Learning (IML)

Intervenants

Cédric Buche (Responsable, ENIB), Mai Nguyen (IMT Atlantique), Pierre de Loor (ENIB).

Volume horaire et ECTS

24h CM-TP. 4 ECTS.

Présentation

L'UE Interactive Machine learning (IML) propose d'aborder la thématique des algorithmes d'apprentissage artificielle où le processus d'apprentissage est fondé sur les interactions avec un environnement et/ou avec des humains.

Structure générale (en anglais)

Introduction : Interaction & Machine Learning

Learning from demonstration/observation/interaction - Detection (feature extraction, classification) - Navigation (waypoint, GNG, SGNG ...) - Prediction (KNN, SVM, HMM ...) - Optimization (Genetic Algorithms, Simulated annealing, Ants colony)

- Enactive artificial intelligence - Developmental approaches - Interaction - Learning by demonstration, imitation learning, interactive learning - Deep Learning

Evaluation - Believability - Interaction assessment

Professionnalisation de la recherche (PROF)

Intervenants

Jérémy Rivière (Responsable, UBO).

Volume horaire et ECTS

20 Conférences. 0 ECTS.

Présentation

Ce module offre une culture scientifique général, par une série de présentations de recherche et de rencontres avec des professionnels de l'innovation. Il développe les capacités de rédaction de résumé d'articles et conférences scientifiques, notamment en anglais. Il est commun en partie avec le module Conférences du parcours ILIADE.

Préparation à la Vie Professionnelle (PVP)

Intervenants

Ahcène Bounceur (Responsable, UBO), Marie-Christine Bot-Cabanes (intervenante en PVP Communication), Michel Rafini et Gwenola Le Gall (intervenants en PVP Anglais).

Volume horaire et ECTS

72h CM-TD. 6 ECTS.

Semestre 10

Robotique et Réseaux de Capteurs pour l'Interaction avec l'environnement (R2CI)

Intervenants

Laurent Nana (Responsable, UBO), Jean Vareille (UBO), Bernard Pottier (UBO).

Volume horaire et ECTS

24h CM-TP. 4 ECTS.

Présentation

Les capteurs font partie de notre quotidien depuis de nombreuses années. Ils permettent d’obtenir des informations précieuses sur l’environnement, mais aussi d’agir sur ce dernier par le biais d’actionneurs de différentes natures. Leurs applications sont nombreuses : gestion de parking, mesures de paramètres dans le domaine de la santé, automatisation de la production, robotique, utilisation dans le domaine du sport, de la télésurveillance, etc. La mise en réseaux des capteurs permet de collecter des informations sur l’environnement en quantité plus importante et de façon plus efficace. Cette UE a pour but d'aborder les problématiques relatives aux réseaux de capteurs et d'actionneurs, ainsi qu'aux systèmes basés sur ces derniers pour l'interaction avec l'environnement, plus particulièrement les systèmes robotiques et de production.

Structure générale

Réseaux de capteurs et couplage à la modélisation physique de l'environnement.

Systèmes et architectures à bases de capteurs et d’actionneurs : systèmes et architectures robotiques, systèmes de production, langages et environnements logiciels pour le contrôle de ces systèmes.

Compétences visées

- Langages, architectures et programmation robotique et téléproductique. - Sûreté de fonctionnement dans la programmation robotique et téléproductique. - Technologie des réseaux de capteurs et couplage des réseaux de capteurs à l'environnement. - Maîtrise du processus de contrôle de systèmes robotique et téléproductique;

Méthodologie Scientifique (METH)

Intervenants

Gilles Coppin (Responsable, IMT Atlantique).

Volume horaire et ECTS

10h CM-TD. 2 ECTS.

Présentation

Ce module présente la méthodologie scientifique requise pour valider expérimentalement une hypothèse de recherche (traitement statistique des résultats, impact matériel ou logiciel, sondages, réalisation de courbes pertinentes) et de rendre les expériences associées reproductibles.

Bibliographie (BIBL)

Intervenants

Pierre Chevaillier (Responsable, ENIB).

Volume horaire et ECTS

4h TD. 4 ECTS.

Présentation

Ce module développe la capacité à réaliser un état de l'art ou une veille technologique relative à une question scientifique ou un problème d'innovation. Il présente également les techniques permettant de rédiger un article scientifique selon les normes internationales, et de présenter son travail à l'oral. Le travail consiste à effectuer une recherche bibliographique avec les outils approprié, puis de rédiger document présentant cet état de l'art (scientifique ou technologique). L'étude doit présenter de manière synthétique et critique les solutions existantes et les comparer.

Sujets d'étude 2018-2019

B18-01 : Les différentes plateformes de simulation à base d'agents et les grands nombres d'agents

Enseignant référent : Jérémy Rivière

Il s'agit de recenser les principales plateformes / logiciels permettant de faire de la simulation à base d'agents, en les comparant notamment selon le langage de programmation utilisé et leur capacité à simuler un grand nombre d'agents.

Références :

• Alban Rousset, Bénédicte Herrmann, Christophe Lang. Étude comparative des plateformes parallèles pour systèmes multi-agents. Pascal Felber and Laurent Philippe and Etienne Riviere and Arnaud Tisserand. ComPAS 2014: conférence en parallélisme, architecture et systèmes, Neuchâtel, Suisse. 2014.

• Nikolai, C.; G. Madey (2008). "Tools of the Trade: A Survey of Various Agent Based Modeling Platforms", Journal of Artificial Societies and Social Simulation, 12 (2). Au.

• R.J. Allan (2009) Survey of Agent Based Modelling and Simulation Tools

B18-02 : Modèles et simulations à base d'agents de butinage chez l'abeille

De nombreux modèles à base d'agents se sont concentré sur l'activité de butinage chez l'abeille. Il vous est demandé dans ce travail d'identifier ces travaux et leurs points communs / différences, notamment sur le contenu des modèles et leurs objectifs, en présentant également leurs avantages et leurs inconvénients.

Références :

• Jérémy Rivière, Cédric Alaux, Yves Le Conte, Yves Layec, André Lozac'H, Vincent Rodin, Frank Singhoff. Toward a Complete Agent-Based Model of a Honeybee Colony. Highlights of Practical Applications of Agents,

Multi-Agent Systems, and Complexity: The PAAMS Collection, Jun 2018, Toledo, Spain.

• Dornhaus, A., Klügl, F., Oechslein, C., Puppe, F., Chittka, L.: Benefits of recruitment in honey bees: effects of ecology and colony size in an individual-based model. Behav. Ecol. 17(3), 336–344 (2006)

• Seeley, T.D., Camazine, S., Sneyd, J.: Collective decision-making in honey bees: how colonies choose among nectar sources. Behav. Ecol. Sociobiol. 28(4), 277–290 (1991)

• de Vries, H., Biesmeijer, J.C.: Modelling collective foraging by means of individual behaviour rules in honey-bees. Behav. Ecol. Sociobiol. 44(2), 109–124 (1998)

• Becher, M.A., Grimm, V., et al.: BEEHAVE: a systems model of honeybee colony dynamics and foraging to explore multifactorial causes of colony failure. J. Appl. Ecol. 51(2), 470–482 (2014)

B18-03 La place de l'humain (interactions et visualisation) dans les simulations à base d'agents

Enseignant référent : G. Desmeules

Les simulations à base d'agents peuvent être utilisée par des non-experts en informatique, par exemple à des fins d'apprentissage, qui ont besoin de moyens d'interactions et de visualisation intuitifs et efficaces avec la simulation. Ce travail demande de recenser les différents moyens utilisés dans le domaine des simulations à base d'agents, et de regrouper les travaux selon ces moyens.

Références :

• G. Desmeulles, F. Harrouet, D. Thuault, V. Huchet, P. Redou, L. Gaubert, G. Longelin Péron, P. Ballet and V. Rodin. 3D individual based model for simultaneous growth and interaction of L. Monocytogenes and lactic acid bacteria. ICPMF9, 9th International Conference on Predictive Modelling in Food, pages 11-12, Rio de Janeiro (Brazil), 8-12 September 2015.

• G. Desmeulles, G. Querrec, P. Redou, S. Kerdélo, L. Misery, V. Rodin and J. Tisseau. The virtual reality applied to the biology understanding: the in virtuo experimentation. Expert Systems with Applications, Elsevier, 30(1):82-92, January 2006.

• Julie Dugdale, Nargès Bellamine-Ben Saoud, Bernard Pavard, Nico Pallamin. Simulation and Emergency Management. Van de Walle, B. and Turoff, M. and Hiltz, S. R. Information Systems for Emergency Management, 16, M.E. Sharpe, 2010, Advances in Management Information Systems, 978-0-7656-2134-4.

• Lauren Thévin, Fabien Badeig, Julie Dugdale, Olivier Boissier, Catherine Garbay. Un Système Multi-Agent normatif hybride pour l’interaction mixte : application à la gestion de crises. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2015, Dernières avancées en intelligence artificielle, 29 (3-4), pp.453-482.

B18-04 : réalité augmentée sur dispositif Android

Enseignant référent : T. Duval

Il s'agit de réaliser un état de l'art sur les outils logiciels permettant de faire de la Réalité Augmentée sur dispositif Android (type téléphone ou tablette). L'étude consiste à un tableau comparatif décrivant les avantages et inconvénients des différentes solutions existantes, les environnements de développement associés, les langages de programmation qu'il faut utiliser pour manipuler ces API. Idéalement il faudrait également avoir testé chacun de ces produits (pour les produits payants, seulement si il y a une licence gratuite...) et évalué la difficulté de déploiement.

Références :

• https://www.wikitude.com/store/

• https://deepar.ai/augmented-reality-sdk/

• https://www.easyar.com/

• http://www.artoolkitx.org/

• https://developer.vuforia.com/

• https://nyatla.jp/nyartoolkit/wp/

B18-05 : Synthèse vocale à l'aide de réseaux de neurones

Enseignant référent : P. Chevaillier

L'objectif est d'étudier les avancées récentes dans le domaine de la synthèse vocale par l'utilisation de réseaux de neurones de type deep-learning. Ces solutions visent à améliorer la prosodie des phrases énoncées par de telles systèmes de façon à la rendre plus naturelle. Il s'agit de comparer les méthodes utilisées dans les systèmes récents.

Références :

• Fan, Y., Qian, Y., Xie, F.-L., & Soong, F. K. (2014.). TTS Synthesis with Bidirectional LSTM Based Recurrent Neural Networks, In Proceedings of Interspeech'14, pp. 1964-1968

• Okamoto, T., Tachibana, K., Toda, T., Shiga, Y., & Kawai, H. (2018). Deep neural network-based power spectrum reconstruction to improve quality of vocoded speech with limited acoustic parameters. Acoustical Science and Technology, 39(2), 163–166.

• Wan, V., Agiomyrgiannakis, Y., Silen, H., & Vít, J. (2017). Google’s Next-Generation Real-Time Unit-Selection Synthesizer Using Sequence-to-Sequence LSTM-Based Autoencoders. In Proceedings of Interspeech 2017, pp. 1143–1147.

• Wu, Z., Watts, O., & King, S. (2016). Merlin: An Open Source Neural Network Speech Synthesis System. 9th ISCA Speech Synthesis Workshop, 202–207.

• Zen, H., & Sak, H. (2015). Unidirectional long short-term memory recurrent neural network with recurrent output layer for low-latency speech synthesis. In 2015 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). South Brisbane, Queensland, Australia, pp. 4470–4474.

Stages

Intervenants

Thierry Duval (Responsable, IMT Atlantique).

Volume horaire et ECTS

Minimum 5 mois. 20 ECTS.

Présentation

Stage de 5 à 6 mois en Laboratoire de Recherche ou en Entreprise (de préférence dans un service de R&D) à partir de mi-janvier.