✨ changement du talk "pimp my 4L" (#40)

* ✨ changement du talk "pimp my 4L"

* ✏️ updates on Ilona-Marie

* ✨ final info on Marion!

data/sessions/comment_on_a_pimpe_la_4l_de_papy_pour_explorer_mars__ou_presque_.yml

@@ -9,7 +9,7 @@ tags:
 complexity: Beginner
 speakers:
   - ilona_marie_lemaire_lefebvre
-  - melissa_cruz
+  - manon_briard
 slot: day-1-conference-1
 room: Belem
 abstract: "Résumé :\n\nNous exposons nos travaux d’intégration de composants edge dans un véhicule prototype envoyé dans le désert à travers la présentation de l’étude R&D ESC4L - Embedded Sensors for Connected 4L qui traite des sujets d’aide à la navigation et au pilotage au travers d’une architecture système et logicielle green, multi-capteurs, embarquée, offline et expérimentée sur le terrain lors de raids automobiles pour Renault 4L, pour adresser les domaines de la robotique spatiale, du transport et de la défense. \n\nMots clés : Edge Computing, IA, Embarqué, IoT, Green Computing\n\n1.\tIntroduction\n\nLes environnements déstructurés représentent tout type de terrain non structuré pas l’Homme pour accueillir des véhicules terrestres. Sur des terrains désertiques, les théâtres d’opérations militaires ou bien Mars, les véhicules et Rovers sont difficiles à manœuvrer et induisent une charge cognitive importante au pilote pour se repérer et naviguer dans des zones à risques : \no\tTerrain sableux et rocheux, \no\tTempératures variables et parfois élevées \no\tMétéo contraignante type tempête de sable qui induit une visibilité réduite\no\tCommunication limitée, brouillage, hors zone\n\nLibérer la charge mentale du pilote ou de l’opérateur est donc critique pour assurer la réussite de la mission. Pour apporter une aide au pilotage et à la décision plusieurs options sont possibles :\no\tSe libérer d’actions manuelles\no\tConnaître l’état de son système pour en anticiper les pannes et la maintenance\no\tFaciliter la communication entre équipage et/ou systèmes et la restitution de la mission\n\nLes méthodes actuelles de géolocalisation se basent principalement sur la technologie GNSS, qui peut ne pas être disponible ou utilisable dans cet environnement. La détection de relief et d’obstacles est aujourd’hui possible grâce à des techniques de stéréoscopie basées sur des méthodes scientifiques classiques. \nLa reconnaissance vocale est aujourd’hui largement mise en œuvre grâce à l’utilisation d’une connexion internet et d’un accès Cloud pour effectuer les requêtes de l’utilisateur. Elle permet de se décharger d’actions manuelle par l’utilisation de la parole à la place. Dans un environnement bruyant comme le nôtre, des techniques de réduction de bruit et de filtrage du son sont aujourd’hui à l’état de l’art afin d’améliorer la qualité d’une communication. \n\nPour connaître l’état d’un système tel qu’un véhicule, il est nécessaire d’étudier les différentes remontées capteurs qui le composent, dans un but de détection de pattern de comportement, anormal ou non, de détection d’anomalies, et d’alerte, et ce, dans le temps.\n\nL’ensemble des techniques citées ci-dessus nécessitent des sources de données massives et hétérogènes, qu’il faut pouvoir fusionner afin d’en corréler les résultats et assurer la fiabilité des informations restituées. L’apport de l’IA est, dans certains cas, nécessaire pour ces analyses, et peut également améliorer les résultats fournis par les techniques scientifiques classiques. De plus, ces différentes méthodes sont gourmandes en ressources, ce qui, jusque-là, limitait leur portage en embarqué. Or, il est capital dans notre environnement de porter tous ces traitements en embarqué, sans connexion externe au système, tout en respectant des contraintes temps réel liées à l’environnement hostile et en garantissant une robustesse du système dans cet environnement extrême. \n\nL’étude ESC4L- ESC4L - Embedded Sensors for Connected 4L, vise à développer un prototype physique multi-capteurs permettant la valorisation et le traitement massif de ces données, dès l'acquisition, en temps réel dans un environnement embarqué, contraint et hostile.\n\n2.\tMéthodologie\n\nNous présentons les différents chantiers d’aide à la navigation et d’aide au pilotage réalisés dans l’étude : \n-\tNavigation sans signal GPS (GNSS-Denied) avec algorithmes de localisation et maintien de cap basés sur de la navigation multi centrales inertielles\n-\tMonitoring temps réel de remontées capteurs mécaniques, ici de moteur, pour effectuer des diagnostics des équipements\n-\tEtude de navigabilité terrain par stéréoscopie Deep Learning\n-\tAssistance vocale embarquée offline avec algorithmes de traitement de la parole et réduction de bruit\n\nCes différentes capacités nécessitent de traiter les concepts suivants : \n-\tFusion multi-capteurs et traitement de données hétérogènes\n-\tEmbarquabilité des algorithmes\n-\tRestitution ergonomiques de l’ensemble des informations élaborées\n-\tConception green et autonomie du système \n\n3.\tOriginalité / Perspectives\n\nNous menons depuis plus de quatre ans des travaux sur l’IA embarquée et avons pu réaliser divers petits prototypes d’applications de l’IA en embarqué, dans notre laboratoire à Mérignac. Nous avons souhaité cette fois-ci monter en maturité et atteindre des TRL de plus en plus élevés, autrement dit, passer d’un environnement labo à une expérimentation sur le terrain en conditions significatives, voire très représentatives d’un environnement désertique.\n\nPour cela nous avons choisi de prototyper sur véhicule Renault 4L et d’expérimenter notre système à travers deux raid automobiles réservés aux 4L : \n\n-\tRaid SDO Terres d’Aventures Aveyron, qui s’est déroulé en septembre 2023\n-\tRaid 4L Trophy, du 15 au 25 février 2024. Nous pourrons alors présenter nos tous derniers résultats suite à ce raid final de l’étude.\n\nUne attention particulière a été portée sur le choix du matériel, la conception des logiciels et l’architecture physique du système afin qu’il soit le plus frugal possible en ressources, et qu’il soit autonome en énergie grâce à une alimentation par panneaux solaires. Egalement, il a été indispensable que ces nouvelles capacités soient compatibles avec des véhicules ancienne génération pour éviter de devoir produire une nouvelle flotte entière de véhicules. "

data/speakers/ilona_marie_lemaire_lefebvre.yml

@@ -1,5 +1,11 @@
 ---
 key: ilona_marie_lemaire_lefebvre
 name: Ilona-Marie Lemaire-Lefebvre
+company: Thales
+city: Bordeaux, France
 photoUrl: /images/speakers/ilona_marie_lemaire_lefebvre.jpg
 socials: {}
+bio: |
+  Ingénieure IA Embarquée au sein de la Cellule IA de Bordeaux sur des sujets d'innovation et d'ingénierie de l'Intelligence Artificielle, spécialisée en logiciel embarqué, pour la défense, l'aéronautique et le spatial.
+
+  [Lien vers LinkedIn](https://www.linkedin.com/in/ilona-marie-lemaire-lefebvre-261533121/)

data/speakers/manon_briard.yml

@@ -0,0 +1,9 @@
+---
+key: manon_briard
+name: Manon Briard
+company: Thales
+city: Bordeaux, France
+photoUrl: /images/speakers/manon_briard.png
+socials: {}
+bio: |
+  Ingénieur data, spécialisée en business intelligence pour les industries