Archive ouverte HAL-LAAS
Not a member yet
12189 research outputs found
Sort by
Robust Sensitivity-Aware Chance-Constrained MPC for Efficient Handling of Multiple Uncertainty Sources
No full textInternational audienceRobust motion planning under uncertainty is critical for unlocking real-world robotics applications. This paper introduces SupeR-MPC, a computationally-efficient, sensitivity-aware, chance-constrained optimization framework that systematically accounts for multiple sources of uncertainty, including state estimation error, model parameter uncertainty, obstacle localization error, and process noise. This approach advances sensitivity-aware robust control by integrating chance-constrained optimization to handle the uncertainty models of Kalman-filtering methods. To demonstrate robustness against multiple uncertainty sources, SupeR-MPC was validated on a range of systems and environments, from a simple 2D example to a multi-agent dynamic obstacle avoidance scenario. Comparisons against existing MPC methods show that SupeR-MPC significantly improves constraint satisfaction and robustness while maintaining real-time computational efficiency. These results highlight the effectiveness of sensitivity-aware chance constraints in enhancing real-world robotic decision-making under uncertainty
Structure-Exploiting Sequential Quadratic Programming for Model-Predictive Control
No full textInternational audienceThe promise of model-predictive control in robotics has led to extensive development of efficient numerical optimal control solvers in line with differential dynamic programming because it exploits the sparsity induced by time. In this work, we argue that this effervescence has hidden the fact that sparsity can be equally exploited by standard nonlinear optimization. In particular, we show how a tailored implementation of sequential quadratic programming achieves state-of-the-art model-predictive control. Then, we clarify the connections between popular algorithms from the robotics community and well-established optimization techniques. Further, the sequential quadratic program formulation naturally encompasses the constrained case, a notoriously difficult problem in the robotics community. Specifically, we show that it only requires a sparsity-exploiting implementation of a state-of-the-art quadratic programming solver. We illustrate the validity of this approach in a comparative study and experiments on a torque-controlled manipulator. To the best of our knowledge, this is the first demonstration of closed loop nonlinear model-predictive control with constraints on a real robot
Federated Majorize-Minimization: Beyond Parameter Aggregation
No full textThis paper proposes a unified approach for designing stochastic optimization algorithms that robustly scale to the federated learning setting. Our work studies a class of Majorize-Minimization (MM) problems, which possesses a linearly parameterized family of majorizing surrogate functions. This framework encompasses (proximal) gradient-based algorithms for (regularized) smooth objectives, the Expectation Maximization algorithm, and many problems seen as variational surrogate MM. We show that our framework motivates a unifying algorithm called Stochastic Approximation Stochastic Surrogate MM (SA-SSMM), which includes previous stochastic MM procedures as special instances. We then extend SA-SSMM to the federated setting, while taking into consideration common bottlenecks such as data heterogeneity, partial participation, and communication constraints; this yields FedMM. The originality of FedMM is to learn locally and then aggregate information characterizing the surrogate majorizing function, contrary to classical algorithms which learn and aggregate the original parameter. Finally, to showcase the flexibility of this methodology beyond our theoretical setting, we use it to design an algorithm for computing optimal transport maps in the federated setting
Référence de fréquence par oscillateur optoélectronique pour interrogation d'une horloge atomique à piégeage cohérent de population
No full textInternational audienc
Étalonnage des sondes magnétiques pour l'étude de la susceptibilité électromagnétique en champ proche
No full textNational audienceLe scan d'immunité en champ proche (NFSI, Near-field scan immunity) permet une injection très localisée pour évaluer la susceptibilité électromagnétique (EM) des composants électroniques, mais sa précision repose sur un étalonnage minutieux des sondes. Cet article propose une amélioration du modèle de dipôle équivalent pour les sondes magnétiques. La méthode proposée évalue et quantifie les limites spatiales et fréquentielles de l'approximation par dipôle tout en examinant les composantes dominantes et parasites du champ produit
Verrouillage de soliton par auto-injection sur Fabry-Pérot fibré pour la synthèse microonde faible bruit de phase
No full textRemerciements : CNES et Agence Innovation DéfenceNational audienceLe résonateur Fabry-Perot fibré (FFP) constitue une plateforme innovante, comme en témoigne l'intérêt croissant pour son utilisation, notamment dans la génération de peignes de fréquence [1] et la stabilisation par auto-injection [2]. Il offre une alternative compacte et robuste aux microrésonateurs et aux anneaux fibrés, comblant l'écart entre ces deux technologies en termes de taux de répétition, avec des fréquences de l'ordre du GHz. Grâce aux faibles pertes intrinsèques des fibres, le FFP atteint de très hauts facteurs de qualité (jusqu'à 5.10 9 ) [3], et permet la génération de peignes très étalés (jusqu'à 28 THz [1]). Le FFP est constitué d'un segment de fibre optique équipé de connecteurs FC-PC, à la surface desquels des miroirs à haute réflectivité sont déposés, présentant une bande passante de 80 nm centrés à 1.55 µm. Alors que la génération de solitons de cavité dans la littérature repose généralement sur des pompages à des niveaux de puissance proches du watt, accompagnés de balayages en fréquence jusqu'à l'atteinte du « step » soliton, le tout au prix de systèmes de stabilisation électronique complexes [1], nous rapportons ici l'observation de solitons obtenus par verrouillage par auto-injection (self-injection locking, SIL) dans un FFP hautement non-linéaire, avec seulement 100 mW de puissance en pompage continu et un bruit de phase ultra-faible
Thermophotovoltaics: photonics and thermal management
No full textInternational audienceSpectral selectivity and heat dissipation are critical to the performance of thermophotovoltaic conversion devices. The presentation will review the recent photonic and thermal management solutions, and how they might be combined
Achieving reduced latency and energy efficiency in Direct-to-Satellite LoRaWAN communications
No full textInternational audienceDirect-to-satellite (DtS) communications are becoming increasingly popular in the field of connected objects, since Low Earth Orbit (LEO) satellites can be easily deployed at lower and lower costs. In fact, a DtS Internet of Things (IoT) paves the way for the development of an incredibly vast gamut of monitoring applications for very inaccessible areas, e.g., oceans, mountains, and deserts. In this context, the medium access protocol used for Long Range Wide Area Network (LoRaWAN) has recently been proposed as a viable solution for policing the communication between ground low power devices and LEO satellites equipped with LoRaWAN gateways. However, the default LoRaWAN medium access scheme is based on a "transmit first" policy that inevitably augments the collision rate among the increased number of concurrent devices in the satellite coverage. Instead, this paper focuses on a "listen first" policy enabled through LoRaWAN Class B beacons and the sole adoption of Activation-By-Personalization (ABP). In more detail, a wake-up strategy allowing ground LoRaWAN devices to intermittently switch on and off their own radio for listening to incoming beacons is studied and analyzed through simulations. By means of this investigation, it is possible to find the best timer settings guaranteeing a good compromise between energy saving and the need to reduce the time to catch the first beacon. Some preliminary results related to the availability of a single LoRaWAN-enabled LEO satellite show that a reduction of 33% in energy consumption can be achieved at the cost of a slightly increased "first catch" time.</div
Design and modelling of a Knudsen micropump for integration in a Pulsed tube Cryo-cooler
No full textInternational audienc
Cytométrie de flux par rétro-injection optique : une approche basée sur les réseaux de neurones pour la classification de particules et de cellules
No full textNational audienceThe detection and characterization of microparticles in fluids is a fundamental task across biomedicine, environmental science, and chemical engineering. While established single-particle analysis methods, such as flow cytometry, are highly effective, their frequent reliance on fluorescent labeling can alternative particle properties and introduce operational complexity. This limitation has motivated the search for compact, sensitive, and label-free alternatives capable of high-throughput analysis.This thesis investigates Optical Feedback Interferometry (OFI) as a promising technology to address this need. In an OFI system, a single laser diode serves as both the light source and the detector, functioning as an interferometer and enabling a uniquely compact and self-aligned sensor configuration. The primary objective of this thesis is to systematically develop and validate a complete OFI-based pipeline for the label-free detection and classification of single microparticles.The research encompasses the entire workflow, beginning with the design of robust optoelectronic and microfluidic platforms to ensure precise particle interrogation. It then addresses the core challenge of interpreting the complex signals generated as particles transit through the laser’s sensing volume. Particular emphasis is placed on developing methods that are reproducible and resilient to the inherent variability of experimental conditions.A key component of this work involved modeling and characterizing the OFI signal in the context of microfluidic flow. The research demonstrates how particle motion, shaped by hydrodynamic focusing, gives rise to specific Doppler-frequency signatures in the sensor output. Building on this understanding, a novel adaptive algorithm was developed to reliably detect and segment the transient signal bursts associated with individual particle passages. This automated segmentation step was critical, enabling the construction of a consistent and validated dataset of particle events that formed the foundation for subsequent classification studies.The final stage of the research focused on leveraging this curated dataset to develop a robust classification framework. Multiple signal representations were explored to extract the most discriminative information related to particle size, including handcrafted statistical features, time–frequency spectrograms, and raw temporal waveforms. These representations were used to train and evaluate a series of machine-learning models. The results confirm that machine learning, when integrated into a tightly controlled experimental pipeline, can classify particles with high accuracy by identifying subtle patterns in OFI signals that are not easily detectable through simple thresholding approaches.In conclusion, this research demonstrates a complete end-to-end framework for label-free single-particle analysis using optical feedback interferometry. By combining a stable experimental platform with advanced signal processing and machine learning, this work establishes a validated methodology for microparticle size classification.La détection et la caractérisation de microparticules dans les fluides constituent une tâche essentielle en biomédecine, en sciences de l'environnement et en génie chimique. Bien que les méthodes établies d’analyse de particules uniques, telles que la cytométrie en flux, offrent de hautes performances, leur dépendance fréquente au marquage fluorescent peut altérer les propriétés natives des particules et introduire une complexité opérationnelle. Cette limitation a stimulé la recherche d’alternatives compactes, sensibles et sans marquage, capables d’assurer une analyse à haut débit.Cette thèse étudie l’interférométrie par rétro-injection optique (OFI) comme technologie prometteuse pour répondre à ce besoin. Dans un système OFI, une unique diode laser sert à la fois de source lumineuse et de détecteur, fonctionnant comme un interféromètre, ce qui permet une configuration de capteur particulièrement compacte et auto-alignée. L’objectif principal de cette thèse est de développer et de valider de manière systématique un pipeline complet basé sur l’OFI pour la détection et la classification sans marquage de microparticules individuelles.La recherche couvre l’ensemble du flux de travail, depuis la conception de plateformes optoélectroniques et microfluidiques robustes garantissant une interrogation précise des particules. Elle aborde ensuite le défi majeur que représente l’interprétation des signaux complexes générés lors du transit d’une particule à travers le volume de détection du laser. Une attention particulière est portée au développement de méthodes reproductibles et robustes face à la variabilité inhérente aux conditions expérimentales.Une partie essentielle du travail a consisté à modéliser et caractériser le signal OFI dans le contexte d’un écoulement microfluidique. La recherche montre comment le mouvement des particules, influencé par la focalisation hydrodynamique, se traduit par des signatures fréquentielles Doppler spécifiques dans le signal du capteur. Sur cette base, un algorithme adaptatif a été développé pour détecter et segmenter de manière fiable les signaux transitoires correspondant aux passages de particules individuelles. Cette segmentation automatisée a constitué une étape critique, permettant la construction d’un jeu de données cohérent et validé d’événements particulaires, qui a servi de fondement à l’ensemble des études de classification ultérieures.La dernière étape de la recherche s’est concentrée sur l’exploitation de ce jeu de données pour développer un cadre de classification robuste. Différentes représentations du signal ont été explorées afin d’extraire les informations les plus discriminantes relatives à la taille des particules, incluant des caractéristiques statistiques extraites manuellement, des spectrogrammes et des formes d’onde temporelles brutes. Ces représentations ont été utilisées pour entraîner et évaluer une série de modèles d’apprentissage automatique. Les résultats confirment que l’intégration de l’apprentissage automatique dans un pipeline expérimental maîtrisé permet de classifier efficacement les particules avec une grande précision, en identifiant des motifs subtils dans les signaux OFI, difficilement détectables par de simples approches basées sur des seuils.En conclusion, cette recherche démontre la faisabilité et l’efficacité d’un cadre complet pour l’analyse sans marquage de particules uniques par interférométrie par rétro-injection optique. En combinant une plateforme expérimentale stable, un traitement avancé du signal et l’apprentissage automatique, ce travail établit une méthodologie validée pour la classification de la taille des microparticules