Archive ouverte de l'ENAC
Not a member yet
3458 research outputs found
Sort by
Multi-Agent Reinforcement Learning based Drone Guidance for N-View Triangulation
No full textInternational audienceThis article presents a novel approach for controlling a fleet of drones that can track the location of a flying target using onboard omnidirectional cameras. The drones use Multi-Agent Reinforcement Learning (MARL) to learn decentralized policies that optimize their formation and motion around the target, minimizing the uncertainty in the triangulated position. We design a reward function that encourages the trackers to minimize the trace of the covariance matrix of the triangulated position, which is derived from an analytical model of uncertainty propagation. We use Multi-Agent PPO (MAPPO), an extension of Proximal Policy Optimization (PPO) to the multi-agent setting, to train the policies using this common reward function that encourages good formation and avoids collisions. We validate our approach in simulation and real-flight experiments, demon- strating its effectiveness and potential in enhancing autonomous multi-drone coordination for precise tracking
Systemic Sustainable HCI: Integrating Collaborative Modeling into a Design Process to Address Rebound Effects
No full textInternational audienceThe introduction of a new product or service into society can have detrimental effects on the environment due to changes in usage and practices. Human-Computer Interaction (HCI) designers need practical methods to address it. In this paper, we explore whether systemic modeling could help designers understand and mitigate these rebound effects. Drawing on systemic design and system dynamics, we prototyped a collaborative modeling methodology that ten professional designers applied to a case study in two workshops. We share insights on their adoption of the methodology and their feedback on its usefulness, usability, and feasibility. Our results indicate that designers find the systemic modeling approach relevant and useful for addressing rebound effects. Influence diagrams can help structure design ideas and identify unaddressed points, while dynamic modeling can help compare design strategies. Based on these findings, we propose a framework for integrating this approach into a design process
Quantification d'incertitude sur l'antenne du radio-altimètre
No full textInternational audienceLe radio-altimètre est un système d’aide à la navigation crucial pour les phases d’atterrissage. Ce système utilise une antenne patch et fonctionne sur la bande de fréquence [4.2; 4.4] GHz. Avant d’être installée sur porteur, cette antenne doit respecter des spécifications de rayonnement précises. L’objectif de ce travail est de modéliser les aléas des paramètres de l’antenne pour en déduire un diagramme de rayonnement stochastique. Ce diagramme est obtenu par décomposition du champ et de la directivité sur une base polynomiale stochastique, appelée Chaos Polynomial. Les résultats sur l’antenne seule sont présentés dans ce papier et permettent de lire les bornes de rayonnement d’une telle antenne en considérant sa largeur et la permittivité électrique relative de son substrat comme des variables aléatoires
Un cockpit pour l'aviation du futur ? Par quel prisme de l'IHM approcher la question ?
No full textInternational audienceCet article aborde les difficultés à engager des projets de design d'interaction dans le contexte aéronautique alors que l'avenir de ce domaine est incertain. Cette incertitude est double, avec la nécessité d'une part pour l’aviation de s’interroger sur son devenir dans un monde qui questionne les ressources disponibles et les impacts écologiques de l'aérien, et avec d'autre part l'actuelle activité de R&D vers les technologies vertes d'une industrie aéronautique qui souhaite sauver le secteur. L'article, pour illustrer ce problème, se propose de décrire un projet de design du cockpit du futur en germe dans une équipe d'IHM aéronautique, faisant face à cette double incertitude. Nous décrivons une approche à plusieurs échelles, celle du design d’interactions pour les pilotes, celle du design cockpit lui-même, et celles, plus systémiques, qui prennent en compte pour ce design les effets indirects et les transformations d’un système aérien qui soit compatible avec les limites planétaires, notamment sur le plan de la sobriété des usages. Ce projet propose une combinaison des méthodes classiques de la recherche en IHM avec de nouvelles approches en complexité, en accord avec le tournant actuel de l’IHM écologique
Unveiling YouTube QoE over SATCOM using Deep-Learning
No full textInternational audienceThe importance of stored streaming video for current Internet traffic is undeniable, even in the context of satellite communications (SATCOM). Therefore, Internet service providers aim to deliver the highest quality of experience to their end users, although they are not able to assess it directly. Some machine learning techniques proposed in the literature have demonstrated their ability to predict the quality of experience based on traffic data analysis. However, these models cannot be directly applied in a SATCOM context without considering the specific characteristics of satellite links. Furthermore, some of them may not be suitable for real-time use. In this study, we monitored over 2,400 YouTube video sessions over an emulated satellite network to develop models capable of predicting the initial delay, played resolution, and stalling events. The collected dataset is available as an open source to the research community. The primary objective of this research is to provide a functional model for real-time applications. To achieve this, we reduced the required feature set to minimize computation time and resources, enabling a practical real-time implementation of the model while assessing its feasibility. We show that we successfully achieved a substantial reduction in the number of features while also observing a relative improvement in prediction. Our results yield prediction performance comparable to that of other studies on terrestrial networks. Using the reduced feature set, we present a realtime implementation and confirm the real-time viability of our work
UAV Trajectory Optimization for Maximum Soaring in Windy Environment
No full textInternational audienceOptimal trajectory planning in a windy environment is a complex problem when airplane performance characteristics are considered. This paper introduces a novel form of Legendre pseudospectral optimization to solve boundary value problems in UAV trajectory planning. The proposed architecture applies Legendre–Gauss–Lobatto and Hamilton–Jacobi–Bellman equations to generate candidate pieces of trajectories with respect to the UAV dynamic constraints. Analytical performance-based solutions are also developed for sample cases to achieve an optimal criterion in trajectory planning. Moreover, the notion of wind soaring is exploited to use the beneficial effects of tailwind velocities in trajectory planning. Integral cost functions are handled by Gauss-type quadrature rules. Simulations demonstrate the efficiency of the pseudospectral method compared with other solvers, in eliminating the difficulties of boundary value problems by employing the boundary points in the interpolation equation. The effectiveness of the proposed approach is demonstrated through dynamic simulations
Estimation d'erreur d'une mesure goniométrique par interférométrie à corrélation
No full textNational audienceLes goniomètres par interférométrie à corrélation sont très largement utilisés pour estimer les directions d'arrivée (DOA) ou angles d'arrivée (AOA) de signaux radioélectriques, notamment de brouillages. L'article propose une méthode qui exploite des résultats de simulation en les incorporant dans un modèle simple, permettant d'évaluer l'erreur commise par les estimations d'un goniomètre de type interféromètre à corrélation basé sur un réseau d'antennes circulaire (UCA correlative interferometer). Une illustration de la méthode est proposée au moyen d'une mise en situation d'un goniomètre éclairé en présence d'une structure de grandes dimensions. Le modèle d'interférométrie qui exploite les données de simulation est présenté ainsi que la méthode de calcul des erreurs. Les erreurs ainsi calculées sont finalement analysées et commentées
Guidage de drone pour la triangulation à N-vues basé sur l'apprentissage par renforcement multi-agents
No full textInternational audienceCet article présente une nouvelle approche pour le contrôle d'une flotte de drones qui peuvent suivre la position d'une cible volante à l'aide de caméras omnidirectionnelles embarquées. Les drones utilisent l'apprentissage par renforcement multi-agents (MARL) pour apprendre des stratégies décentralisées qui optimisent leur formation et leur mouvement autour de la cible, en minimisant l'incertitude sur la position triangulée. Nous définissons une fonction de récompense qui encourage les suiveurs à minimiser la trace de la matrice de covariance de la position triangulée, dérivée d'un modèle analytique de propagation de l'incertitude. Nous utilisons Multi-Agent PPO (MAPPO), une extension de la méthode Proximal Policy Optimization (PPO) au domaine multi-agents, pour entraîner les modèles à l'aide de cette fonction de récompense commune qui favorise une bonne configuration et permet d'éviter les collisions. Nous validons notre approche en simulation et en vol réel, démontrant son efficacité et son potentiel dans l'amélioration de la coordination multi-drones autonomes pour un suivi de cible précis