Génération de mouvement humain et création de bases de données à partir de techniques d’IA pour la reconnaissance d’actions dans un contexte industriel // Human motion generation and dataset creation using AI techniques for human action recognition in an
ABG-124849 | Sujet de Thèse | |
29/06/2024 | Financement public/privé |
CEA Laboratoire de Simulation Interactive
Saclay
Génération de mouvement humain et création de bases de données à partir de techniques d’IA pour la reconnaissance d’actions dans un contexte industriel // Human motion generation and dataset creation using AI techniques for human action recognition in an
- Numérique
Simulation numérique / Défis technologiques / Mathématiques - Analyse numérique - Simulation / Sciences pour l’ingénieur
Description du sujet
Dans le contexte de l’industrie 4.0, l’analyse, la reconnaissance et la prédiction des actions humaines prennent une place de plus en plus importante pour la prise de décision et une interaction homme-machine fluide et intuitive. Cependant, la reconnaissance d’actions humaines nécessite de grandes quantités de données pour entraîner des architectures d’apprentissage profond. Le but de la thèse est de générer, pour des cas industriels, de grandes bases de données de mouvements grâce à l'animation de mannequins numériques, et à partir d'un nombre réduit d’exemples issus de captures de mouvements en réalité mixte. Ces bases de données serviront à entraîner des architectures de reconnaissance d’actions, pour des applications industrielles d’interaction homme-machine, de génération de gammes de montage, et d’évaluation ergonomique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
In the context of industry 4.0, the analysis, recognition and prediction of human actions is becoming more important for decision-making and fluid and intuitive human-machine interaction. However, human action recognition requires large datasets to train deep learning architectures. The aim of the thesis is to generate, for industrial use cases, large motion datasets thanks to digital human animation, starting with a reduced number of motion capture samples from mixed reality simulations. These datasets will be used to train action recognition architectures, for industrial applications on human-machine interaction, assembly worksheets generation, and ergonomics evaluation.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux
Laboratoire : Laboratoire de Simulation Interactive
Date de début souhaitée : 01-10-2024
Ecole doctorale : Ecole Doctorale Sciences des Métiers de l’Ingénieur (SMI )
Directeur de thèse : Havard Vincent
Organisme : CESI Rouen
Laboratoire : LINEACT, Equipe « Ingénierie & Outils Numériques », UR 7527
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
In the context of industry 4.0, the analysis, recognition and prediction of human actions is becoming more important for decision-making and fluid and intuitive human-machine interaction. However, human action recognition requires large datasets to train deep learning architectures. The aim of the thesis is to generate, for industrial use cases, large motion datasets thanks to digital human animation, starting with a reduced number of motion capture samples from mixed reality simulations. These datasets will be used to train action recognition architectures, for industrial applications on human-machine interaction, assembly worksheets generation, and ergonomics evaluation.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux
Laboratoire : Laboratoire de Simulation Interactive
Date de début souhaitée : 01-10-2024
Ecole doctorale : Ecole Doctorale Sciences des Métiers de l’Ingénieur (SMI )
Directeur de thèse : Havard Vincent
Organisme : CESI Rouen
Laboratoire : LINEACT, Equipe « Ingénierie & Outils Numériques », UR 7527
Nature du financement
Financement public/privé
Précisions sur le financement
Présentation établissement et labo d'accueil
CEA Laboratoire de Simulation Interactive
Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux
Profil du candidat
Ingénieur ou Master 2 Recherche
Postuler
Fermer
Vous avez déjà un compte ?
Nouvel utilisateur ?
Besoin d'informations sur l'ABG ?
Vous souhaitez recevoir nos infolettres ?
Découvrez nos adhérents
- ANRT
- PhDOOC
- Généthon
- ADEME
- Institut Sup'biotech de Paris
- Tecknowmetrix
- CESI
- MabDesign
- Groupe AFNOR - Association française de normalisation
- Ifremer
- MabDesign
- TotalEnergies
- Aérocentre, Pôle d'excellence régional
- Institut de Radioprotection et de Sureté Nucléaire - IRSN - Siège
- ONERA - The French Aerospace Lab
- Laboratoire National de Métrologie et d'Essais - LNE
- Nokia Bell Labs France
- CASDEN
- SUEZ
-
EmploiCDIRef. ABG124941Corteria PharmaceuticalsMassy-Palaiseau - Ile-de-France - France
Jeune Docteur, Chercheur en Biologie Cellulaire & Moléculaire (H/F)
BiologieNiveau d'expérience indifférent -
EmploiCDIRef. ABG123642Laboratoire des Courses Hippiques (GIE LCH)Verrières-le-Buisson - Ile-de-France - France
Chargé(e) de Recherche et Innovation (H/F) / Senior Scientist Research & Innovation (M/F)
Chimie - BiochimieConfirmé -
EmploiCDDRef. ABG125071KTHStockholm - Suède
ERC-funded postdoc position on the detection of gas-phase organic radicals, KTH, Stockholm, Sweden
Chimie - Physique - Sciences de l’ingénieurNiveau d'expérience indifférent