Portail HAL Ensta
Not a member yet
11080 research outputs found
Sort by
Apprentissage de mesures et de stratégies d'échantillonnage optimales pour la surveillance océanique multiplateforme
No full textMulti-scale ocean processes regulate climate, but the ocean remains undersampled. Satellite observations offer broad,regular coverage of the surface, while in situ data are needed to observe the water column. Their complementarity can be optimized through efficient sampling strategies and appropriate interpolation techniques. Data assimilation reconstructs ocean dynamics from partial observations, but at high computational cost. Deep learning offers new perspectives, such as the 4DVarNet algorithm tested here. The first case study shows its superiority over conventional methods for reconstructing abrupt regime shifts in the AMOC during the last glacial period, from very sparse data. The second deals with the reconstruction of surface currents using SWOT data and in situ current measurements. Four strategies are tested : random, based on the strain, on the model error or reconstruction error. Random observations do not improve results, unlike the other more innovative strategies, which lead to more accurate reconstruction of kinetic energy transfers. Neural interpolation coupled with appropriate sampling thus optimizes ocean monitoring.Les processus océaniques multi-échelles régulent le climat, mais l’océan reste sous-échantillonné. Les observations satellite offrent une large couverture régulière de la surface, tandis que les données in situ sont nécessaires pour observer la colonne d’eau. Leur complémentarité peut être optimisée grâce à des stratégies d’échantillonnage efficaces et des techniques d’interpolation appropriées. L’assimilation de données reconstruit la dynamique océanique à partir d’observations partielles, mais à coût de calcul élevé. L’apprentissage profond offre de nouvelles perspectives, comme l’algorithme 4DVarNet testé ici. Le premier cas d’études montre sa supériorité sur les méthodes classiques pour reconstruire les changements de régime abrupts de l’AMOC durant la dernière période glaciaire, à partir de données très éparses. Le second porte sur la reconstruction des courants de surface avec des données SWOT et des mesures in situ des courants. Quatre stratégies sont testées : aléatoire, basée sur le strain, l’erreur modèle ou l’erreur de reconstruction. Les observations aléatoires n’améliorent pas les résultats contrairement aux autres stratégies plus innovantes, qui mènent vers une reconstruction des transferts d’énergie cinétique avec une plus grande précision. L’interpolation neuronale couplée à un échantillonnage adapté optimise ainsi la surveillance des océans
Consortium à visée nationale autour de la standardisation des métadonnées (Metadatax) et de l’annotation en acoustique passive sous-marine
No full textAcoustique sous-marine et navale, bioacoustique en milieu marin; GAPSUS - Acoustique Physique, Sous-Marine et Ultra-Sonore: GVB - Vibro acoustique et Contrôle du Bruit: GBIO - BioacoustiqueNational audienceLa quantité de données en acoustique sous-marine passive augmente sans cesse grâce à l’amélioration technologique des instruments et l’utilisation de nouveaux vecteurs (mesure acoustique distribuée, glider). La gestion et le référencement de ces données est généralement propre à chaque institution (orientés par projet), freinant considérablement la reproductibilité, le partage et la comparaison des résultats. A l’échelle internationale, des initiatives de standardisation des schémas de représentation des métadonnées ont déjà été lancées au sein de projets comme Thetys (SCRIPPS – USA) ou Meridian (université de Dalhousie – Canada). Des portails webs de visualisation et d’exploration de la donnée ont aussi été développés au sein de programmes nationaux comme l’Integrated Ocean Observing System (USA), l’Ocean Network Canada (Canada) et l’Integrated Marine Observing System (Australie). Un consortium entre l’Institut Chorus, le SHOM et l’ENSTA, initié en janvier 2024, vise à porter une réflexion sur la gestion des métadonnées et sur la méthodologie d’annotation en acoustique passive sous-marine, ainsi que leur mise en pratique à l’échelle nationale. Une version opérationnelle d’une interface de gestion des métadonnées et de visualisation a été développée et instanciée localement dans chacune de nos institutions afin d’en tester la robustesse. Le schéma de représentation des métadonnées, construit sur la base d’une synthèse critique des systèmes existants et en interrogeant leurs éventuelles limites, est ainsi continuellement amélioré. Plus récemment, un workshop regroupant également des bureaux d’étude, des industriels et d’autres laboratoires universitaires a permis de lancer la réflexion sur la méthodologie d’annotation et sur une mise en commun d’une ontologie, afin de répondre aux enjeux de construction des bases de données pour entraîner des algorithmes IA. Ce projet vise essentiellement à poser les bases d’une initiative collaborative de standardisation qui se veut la plus large possible sur la scène nationale : toute nouvelle contribution est encouragée
Supervised contrastive learning pour la détection et la classification automatique de grands cétacés dans l’Océan Austral
No full textAcoustique sous-marine et navale, bioacoustique en milieu marin; GAPSUS - Acoustique Physique, Sous-Marine et Ultra-Sonore: GVB - Vibro acoustique et Contrôle du Bruit: GBIO - BioacoustiqueNational audienceL’utilisation de l’acoustique passive sur de longues périodes temporelles est un outil clé pour le suivi des grands cétacés. Le volume de données acoustiques collectées nécessite des méthodes automatiques pour la détection et la classification des événements acoustiques. Des progrès ont été réalisés dans ce domaine grâce à l'application de modèles par apprentissage profond, faisant état de l’art il y a quelques années dans la communauté de traitement d’image (i.e. ResNet, AlexNet, VGGish…). Cependant, dans le contexte de l’écoacoustique sous- marine, les bases de données d'entraînement représentent toujours un facteur limitant pour les capacités de généralisation des modèles développés : il est difficile de regrouper dans un même jeu de données la grande diversité des signaux d’intérêt, des paysages sonores, des sources de bruit ou encore des systèmes d’enregistrement. Récemment, les méthodes de supervised contrastive learning (SCL) ont montré de hautes performances, notamment dans un contexte de datasets bruités fortement déséquilibrés, fréquents en acoustique passive. Ces méthodes se basent sur l’entrainement d’un encodeur à partir de plusieurs représentations des données d’entrées, permettant de les encoder dans un espace latent organisé, dans lequel les échantillons de données similaires sont regroupés, tandis que les échantillons dissimilaires sont éloignés les uns des autres. Dans cette étude, nous explorons l'intérêt potentiel de ces méthodes pour l’acoustique passive sous-marine appliquées aux vocalisations basse fréquences des grands cétacés en Antarctique, en utilisant un des plus grands jeux de données public et annoté dédié à ces espèces. Le SCL est comparé aux méthodes les plus couramment utilisées dans la communauté, notamment dans le cadre du plus récent benchmark publié sur ces données, permettant d’atteindre un nouvel état de l’art sur ce dataset. Les capacités de généralisation de ces méthodes sont également étudiées, en utilisant des jeux d’autres jeux de données, provenant de différentes zones géographiques
On Astrocolonialism
No full textInternational audienceIntervention bearing on the multiple temporalities of astrocolonialism and the challenges of Earth-Space thinking in the 21st century
Cal/Val SWOT : Apport des produits troposphériques GNSS issus de campagnes océanographiques
No full textInternational audienceLancé fin 2022, le satellite SWOT (Surface Water and Ocean Topography), porté par le CNES et la NASA, marque une avancée majeure en altimétrie satellitaire grâce à son radar interférométrique en bande Ka (KaRIn), capable de mesurer la topographie des océans et des eaux de surface continentales le long d’une fauchée de 120 km de large. Cette capacité permet, pour la première fois, d’observer la dynamique océanique de type sub-méso et méso-échelle (de quelques centaines à quelques dizaines de kilomètres). Pour corriger les effets atmosphériques sur cette large fauchée, SWOT utilise deux mesures ponctuelles du radiomètre embarqué, situées de part et d’autre du nadir.Or, Hay et al. (2025) ont montré que l’interpolation entre ces deux points ne permet pas de capturer les variations atmosphériques fines (inférieures à 80 km), notamment dans des zones côtières complexes comme l’Australie, ce qui affecte la qualité des données KaRIn. Dans ce contexte, nous exploitons des données GNSS collectées à bord du navire océanographique L’Atalante lors des campagnes WemSWOT (Shom) et BioSWOT (Ifremer), conduites pendant la phase de calibration/validation (Cal/Val) de SWOT au printemps 2023 en Méditerranée Nord-Occidentale.À l’aide du logiciel GINS du CNES, nous estimons la vapeur d’eau intégrée (CIVE) le long de la trace du navire afin de produire une correction atmosphérique indépendante, à comparer aux mesures SWOT. Après validation croisée avec d’autres sources, ces CIVE permettront d’évaluer la performance du radiomètre SWOT et la pertinence des corrections appliquées aux observations KaRIn. Ce contexte géographique, encadré par les Baléares au sud et la côte méditerranéenne française au nord, peut être particulièrement propice à l’apparition de structures atmosphériques à fine échelle.Cette étude fournit également une première évaluation des produits troposphériques issus de GINS en mode cinématique, avec une résolution temporelle horaire
Augmenter de la résilience de la conscience situationnelle des pilotes à distance de MASS à l'aide de capteurs terrestres
No full textInternational audienceEnsuring remote human oversight of Maritime Autonomous Surface Ships (MASS) during critical situations poses a key technological challenge: the human pilot must largely rely on sensor data transmitted from the ship to maintain situational awareness and assess risks such as collisions or groundings. However, this data can be degraded or falsified, jeopardizing decision-making and safety. To address this issue, we propose a method to enhance the resilience of situational awareness by cross-validating onboard sensor data with independent observations from land-based sensors. Specifically, we investigate the use of land-based stereo cameras to provide an auxiliary estimate of a ship's trajectory, which is compared with the trajectory derived from the ship's satellite compass. Interval analysis is employed to quantify and detect inconsistencies between the measured and estimated vessel positions. To evaluate the approach, synthetic degradations are introduced into the ship-based measurements, and the system's ability to identify these anomalies is assessed. The results demonstrate the potential of shore-based sensing as a complementary validation layer for resilient remote supervision of MASS.Assurer la surveillance humaine à distance des navires autonomes de surface (MASS) dans des situations critiques pose un défi technologique majeur : le pilote humain doit s'appuyer en grande partie sur les données transmises par les capteurs du navire pour maintenir sa conscience situationnelle et évaluer les risques tels que les collisions ou les échouages. Cependant, ces données peuvent être dégradées ou falsifiées, ce qui compromet la prise de décision et la sécurité. Pour remédier à ce problème, nous proposons une méthode visant à améliorer la résilience de la connaissance de la situation en recoupant les données des capteurs embarqués avec des observations indépendantes provenant de capteurs terrestres. Plus précisément, nous étudions l'utilisation de caméras stéréo terrestres pour fournir une estimation auxiliaire de la trajectoire d'un navire, qui est comparée à la trajectoire dérivée du compas satellite du navire. L'analyse d'intervalle est utilisée pour quantifier et détecter les incohérences entre les positions mesurées et estimées du navire. Pour évaluer cette approche, des dégradations synthétiques sont introduites dans les mesures effectuées à bord du navire, et la capacité du système à identifier ces anomalies est évaluée. Les résultats démontrent le potentiel de la détection à partir de la côte comme couche de validation complémentaire pour une supervision à distance résiliente du MASS
Cavitation sous choc et interaction fluide-structure
No full textInternational audienceCavitation sous choc et interaction fluide-structur
Modèle ellipsoïdal d'incertitude de la forme de l'ombilical pour éviter les collisions dans une flotte de ROVs - Version complète
No full textDuring collision avoidance, the tether of Remote Operated Vehicle(ROV) is subject to entanglement with obstacles or other ROVs' tether.This specificity renders traditional multi-robot obstacle avoidanceapproaches inadequate for tethered multi-robot scenarios. This paperproposes a guaranteed ellipsoid model for representing the ROV's tetherand its nearby obstacles, enabling an efficient, low-computation collision avoidance method for a fleet of ROVs. The model ensures that the ellipsoid encompassing the tether remains entirely outside the ellipsoid encompassing an obstacle, there is no risk of the tether colliding with it. The approach requires only the tether's two attachment points and its length, without needing any information about the tether's shape, dynamics, or external disturbances such as underwater currents. A collision avoidance strategy is developed based on potential field methods combined with tether length management.When multiple ROVs are involved, personalities are added to ROV to obtain different behaviors and so reducing the likelihood of deadlocks during avoidance maneuvers. Simulations demonstrate the method's effectivenessacross various scenarios, and its limitations are also discussed
Natural efficient gaits from Nonholonomic Locomotion Nonlinear Normal Mode (NL-NNM): The Pendrivencar case
No full textInternational audienceBio-inspired robots remain far less energy-efficient than animals because conventional controllers impose trajectories that fight passive dynamics, whereas animals exploit resonance through natural nonlinear normal modes (NNM), whose periodic internal motions form a smooth 2D invariant surface; We ask how to define and compute the natural motions of a conservative locomotion system: propulsion arises only from no-slip constraints, and once initiated, a gait persists without actuation-like a frictionless pendulum. We tackle non-holonomic constraints on the Pendrivencar, a vehicle driven by a motorised pendulum with a cubic torsional spring ; We introduce the Nonholonomic Locomotion -NNM (NL-NNM): extract a high-speed spectral seed -where chassis oscillations vanish and the pendulum is neutrally stable -refine the periodic orbit, and continue the resulting 2D invariant manifold via pseudo-arclength across three slow centre manifolds (stable for positive speed, neutral at zero, unstable for negative) from non-isolated rectilinear equilibria; We demonstrate the first NL-NNM for a moving non-holonomic robot: internal orbits produce a pendulum-chassis choreography whose energy-dependent frequency shifts and harmonic richness exceed linear predictions. Via geometric phase, each orbit yields undulatory straight-line motion. A dual-loop control simulation confirms autonomous path tracking with only the pendulum; Extending to dissipative regimes via non-linear resonant modes offers a path to high-efficiency locomotion in aquatic, aerial, legged, soft-bodied, and other robots
