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

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

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux

Ingénieur ou Master 2 Recherche