Mise à jour le 24/07/2025

Extraction d'informations sémantiques à partir d’images acquises en embarqué, grâce à apprentissage profond. L'exploitation de ces informations, relatives à la nature des éléments de l'environnement du robot est une piste prometteuse pour l'amélioration de la sécurité et de l'autonomie des systèmes de navigation.

Mise à jour le 24/07/2025

OV²SLAM est un algorithme de SLAM Visuel (Localisation et Cartographie Simultanées) temps réel pour caméras Stéréo ou Monoculaires. Il permet de localiser précisément un drone, robot ou tout autre dispositif mobile sans connaissance a priori ni instrumentation de l’environnement en intérieur ou en extérieur, en absence ou en complémentarité du GNSS.

Mise à jour le 23/07/2025

Le projet PointBeV se concentre sur l'innovation dans la perception en vue du sol (Bird's Eye View) pour les systèmes de conduite autonome. Il vise à améliorer la détection et la classification d'objets tels que les véhicules, les piétons et les infrastructures routières en utilisant des méthodes avancées de vision par ordinateur.

Mise à jour le 23/07/2025

Le projet XL-VLMs vise à fournir un ensemble d'outils pour comprendre et contrôler les grands modèles de langage visuel, appelés vision-language models (VLM). Il met l'accent sur la transparence et l'explicabilité des processus internes de ces modèles complexes.

Mise à jour le 23/07/2025

MOOC en libre accès sur les drones et la robotique aérienne.

Mise à jour le 23/07/2025

Le projet SmolVLA vise à développer des modèles fondamentaux en robotique qui soient à la fois ouverts, efficaces et reproductibles. Malgré sa petite taille, il parvient à égaler ou surpasser les performances de modèles plus grands et propriétaires dans diverses tâches réelles et simulées.