Archive ouverte HAL-LAAS
Not a member yet
12189 research outputs found
Sort by
OBBI: a unique pioneering structure for the bioproduction of organoids and extracellular vesicles
No full textInternational audienceBackground and AimsThe landscape of regenerative medicine and biotherapies is undergoing a transformative evolution, driven by the surging demand for scalable and standardized production of cutting-edge therapeutic agents. At the heart of this progress lies the Occitanie Biotherapy-Bioproduction Integrator (OBBI), a unique European pioneering structure functioning as a HUB with up-to-date facilities that brings together scientific and clinical expertise to address critical challenges in the development of biotherapies and the bioproduction of extracellular vesicles (EVs) and organoids.MethodologyBy providing our partners with access to expert academic resources, we develop robust and reproducible processes for producing EVs and organoids including rigorous GMP-like quality controls.ResultsAs an example, we set-up an innovative organoid process suitable to generate 3D microphysiological human beige adipose tissues of different scales (from 1 mm to 1 cm) without the use of Matrigel. These organoids present the classic architecture of native tissue, the metabolic and endocrine functions and are sensitive to key inducers of beige phenotype. The different sizes of organoids and micro-physiological tissues are compatible with the development of screening models as well as future transplantable Advanced Therapeutical Medicinal Product (ATMP) (1 and patents). In parallel, we implement a machine learning based pipeline of transcriptomic profile to rapidly identify key molecular markers and targets from single cell analysis.Furthermore, we are investigating the production of EVs from organoids as the reflect of tissue complexity. All these bioprocess and pipeline analysis can be easily translated to any other organoid and 3D objects.A comparable strategy for addressing the demand for bioassays and therapeutic agents across various fields is being implemented for EVs.ConclusionOBBI provides access to dedicated academic platforms and expertise that accelerate quality by design integrated bioproduction scheme to bridge the gap between research and industrial or clinical applications, ultimately revolutionizing patient care on a global scale
Physics models in Unrolling algorithms applied to Coded-Aperture Snapshot Spectral Imager
No full textInternational audienceCoded hyperspectral reconstruction consists in reconstructing 3D hyperspectral cubes from 2D SD-CASSI coded acquisitions of these cubes.Deep learning has emerged as the go-to method in this field, allowing for impressive results and a small inference time.More recently, algorithm unrolling methods have been used in these algorithms, in order to take into account the image formation model to help the reconstruction process.Based on these networks, we simulated 2D coded acquisitions with a ray-tracing simulator rendering realistic SD-CASSI acquisitions, and used the forward model given implicitly by our ray-tracer to build a mapping function between the scene and the detector, representing the adjoint operator. This mapping function is then used in the unrolled algorithms to guide the reconstruction process with our realistic image formation model, instead of only relying on data.It allows for better results with prototypes, and the ability to consider a wider range of systems in coded hyperspectral reconstruction
One Spiking Neuron Classification Based on Kolmogorov Complexity
No full textInternational audienceThis paper investigates the potential of a minimalist spiking neural network for digit recognition tasks, using the MNIST dataset as a benchmark.The proposed model features a single spiking neuron utilizing the Izhikevich neuronal model, deliberately crafted without weights or a learning phase, embodying the minimalist approach of maximizing performance with minimal resources.Our approach integrates self-organizing maps with a novel optimization method for cluster selection, leveraging Kolmogorov complexity and prototype abstraction. The model achieves notable performance for digits with distinct visual structures, such as digit one (1), with 99% accuracy. We evaluated the model's generalization on a Roman numeral dataset from EMNIST, showing improved performance on simpler, angular patterns. This confirms the model's suitability for regular inputs and highlights the potential of minimalist spiking architectures for future neuromorphic models
Vers une approche basée sur les graphes de connaissances pour l'évaluation de la qualité des données dans l'IoT
No full textInternational audienceL'évaluation de la qualité des données (QD) dans les systèmes IoT constitue un défi en raison de l'hétérogénéité des données, de leur production en flux continus et des environnements dynamiques dans lesquels elles sont produites. Les approches existantes se limitent souvent à un nombre restreint d'indicateurs de qualité. Cet article propose une approche granulaire et traçable reposant sur des graphes de connaissances (GC) pour enrichir et annoter les données avec des informations détaillées sur leur qualité. Celle-ci prend en compte divers indicateurs en fonction du contexte de production des données et de la tâche cible. Trois niveaux de granularité sont définis afin de structurer l'évaluation des indicateurs de QD, et des ontologies dédiées à cette évaluation sont présentées dans le cadre de ce travail
Modélisation ontologique et raisonnement sur les affordances pour l'interaction humain-robot
No full textNational audienceFor a robotic agent to interact effectively with its environment, it must maintain a knowledge base that models entities and their relationships. This knowledge base is continuously updated, providing a coherent and evolving model of the robot's world. Moreover, embedding this knowledge in formal logic enables the construction of a structured representation (ontology) that captures implicit knowledge: information not explicitly stated but derivable through reasoning. This representation can then be queried to provide justifications for each inferred conclusion. A central aspect of this knowledge base is the representation of potential actions that objects or surroundings afford the robot. This concept, known as affordances, describes possible interactions based on the robot's abilities and the objects' features (e.g., grasping a cup, pushing a door). Affordances also extend to the co-presence of multiple agents, called social affordances, which arise through agents' interactions (e.g., jointly lifting a table). Modeling both intrapersonal and interpersonal affordances allows robots to engage in cooperative behaviors in multi-agent environments. In this thesis, we propose an ontological pattern to represent an agent's capabilities through its embodiment (i.e., components), enabling autonomous inference of these capabilities. We then extend this to represent objects' dispositions by describing their subparts. With these models of agents and objects, affordances emerge as relations between capabilities and dispositions. Using those representations, we dynamically infer an agent's action possibilities, not only toward individual objects but also between compatible pairs of objects, based on reciprocal dispositions. Furthermore, we introduce ontological patterns to model agent exploitation as a goal-directed interpersonal affordance, reflecting how heterogeneous agents with complementary capabilities can lead to new affordance relations through interaction. Overall, this representation lays a foundation for future work on exploring this knowledge base to provide a task planning module with more relevant and autonomously inferred abstractions. Additionally, while ontologies offer explainable reasoning through formal justifications, these can be complex for non-experts to understand. Large Language Models (LLMs) could potentially translate these justifications into natural language, but their ability to preserve underlying logical structures is uncertain. Prior research shows LLMs are sensitive to variations in premise order, content, and length, which may affect their reliability for such tasks. To explore this, we tested six language models on an affordance-oriented inference dataset with controlled variations. Results confirmed sensitivity to these changes, indicating LLMs ii Abstract require additional context such as the inference rule to accurately translate formal justifications. This study lays a foundation for future work on multi-step reasoning and fine-tuning LLMs to better handle explanations derived from ontologies. Together, these contributions enable a dynamic and explainable representation of affordances between agents and objects within the knowledge base. This foundation could enable advanced task planning by autonomously providing insights into available context-specific actions. Moreover, the explainability from ontological reasoning and LLM-based translations could allow human users to query the robot's knowledge to provide natural, understandable explanations of why it can perform a given action.Pour interagir efficacement avec son environnement, un robot doit maintenir une base de connaissances structurée, modélisant les entités et leurs relations, mise à jour en continu pour fournir une représentation cohérente et évolutive du monde. Dans notre travail, cette base de connaissance est fondée sur de la logique formelle et prend la forme d’une ontologie permettant de capturer les connaissances implicites: les informations qui ne sont pas explicitement énoncées mais qui peuvent être dérivées par le raisonnement. Cette denière peut ensuite être interrogée pour fournir des justifications pour chaque conclusion déduite. Un aspect central de cette base de connaissance est la modélisation des actions possibles offertes par les objets ou l’environnement, appelées affordances. Ces interactions dépendent des capacités du robot et des propriétés des objets (par exemple, saisir une tasse, pousser une porte). Elles s’étendent également à la présence d’autres agents, appelées affordances sociales, résultants de leur interaction (par exemple, soulever une table à deux). La prise en compte des affordances intrapersonnelles et interpersonnelles permet d’envisager des actions coopératives dans des environnements multi-agents. Cette thèse propose un modèle ontologique décrivant un agent via ses composants et permettant l’inférence automatique de ses capacités. Ce modèle est étendu à la description des objets en tenant compte de leurs sous-parties, permettant l’inférence de leur dispositions. Les affordances intrapersonnelles émergent alors comme des relations entre les capacités d’agents et les dispositions des objets, permettant de déduire les actions possibles envers les objets individuels mais également les paires d’objets compatibles via le concept de dispositions réciproques.Nous introduisons également un modèle d’affordances interpersonnelles, représentant la collaboration entre agents aux capacités complémentaires, donnant lieu à de nouvelles possibilités d’action via leur interaction.Par ailleurs, si les ontologies permettent un raisonnement explicable via des justifications formelles, celles-ci restent difficiles à comprendre pour les non-experts. Les Large Language Models (LLM) pourraient en offrir une traduction en langage naturel, mais leur aptitude à préserver les structures logiques reste limitée, comme le montrent plusieurs travaux. Pour évaluer cela, nous avons évalué six LLM sur un jeu de données d’inférences avec variations contrôlées (complexité, ordre, concepts utilisés). Les résultats confirment une sensibilité marquée à ces variations et soulignent la nécessité d’un contexte supplémentaire, tel que la règle d’inférence, pour produire des justifications précises. En résumé, ce travail permet une représentation dynamique et explicable des affordances dans une base de connaissances, pouvant être utile à la planification de tâches en fournissant des abstractions pertinentes et inférées automatiquement. De plus, les justifications générées via le raisonnement peuvent être utilisées pour améliorer l’interaction naturelle avec un utilisateur humain, en lui permettant de comprendre pourquoi le robot peut effectuer une certaine action
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 textThe detection and characterization of micro-particles within a fluid is a crucial task in both the biomedical and chemical engineering fields. This capability supports essential applications, such as analyzing blood samples for disease indicators and precisely counting specific particles in chemical processes at a single-particle level. A promising sensing technique that has gained popularity for its potential in these fields is Optical Feedback Interferometry (OFI). The OFI sensing scheme employs a laser as a light source, an interference medium, and a coherent detector. The principle is based on the interaction between the internal light wave propagating inside the laser cavity and the backscattered light that re-enters the cavity, causing modulation in the laser output power. This phenomenon has enabled the creation of a compact, inexpensive, and self-aligning sensors that achieves high resolution, making it ideal for different applications like fluid system analysis and microfluidic applications. This thesis focuses on the study and implementation of the OFI sensing technique for single micro-particle analysis and characterization, aiming to utilize this technique as an optical label-free flow cytometer. The research centers on designing a specialized system and encompasses a comprehensive pipeline analysis, covering the relevant factors for implementing this technique. It includes a detailed study of the OFI signal received when an individual particle passes through the laser sensing volume, to understand the essential features that provide information about the particle under interrogation.La détection et la caractérisation des microparticules dans un fluide sont des tâches cruciales dans les domaines de la biomédecine et du génie chimique. Cette capacité soutient des applications essentielles, telles que l'analyse d'échantillons de sang pour des indicateurs de maladies et le comptage précis de particules spécifiques dans des processus chimiques au niveau de la particule unique. Une technique de détection prometteuse qui a gagné en popularité pour son potentiel dans ces domaines est l'interférométrie à rétroaction optique (OFI). Le schéma de détection OFI utilise un laser comme source de lumière, un milieu d'interférence et un détecteur cohérent. Le principe est basé sur l'interaction entre l'onde lumineuse interne se propageant à l'intérieur de la cavité laser et la lumière rétrodiffusée qui rentre dans la cavité, causant une modulation de la puissance de sortie du laser. Ce phénomène a permis la création de capteurs compacts, peu coûteux et auto-alignants qui atteignent une haute résolution, les rendant idéaux pour diverses applications comme l'analyse des systèmes fluidiques et les applications microfluidiques. Cette thèse se concentre sur l'étude et la mise en œuvre de la technique de détection OFI pour l'analyse et la caractérisation de microparticules uniques, visant à utiliser cette technique comme cytomètre en flux optique sans étiquette. La recherche se centre sur la conception d'un système spécialisé et englobe une analyse complète de la chaîne de traitement, couvrant les facteurs pertinents pour la mise en œuvre de cette technique. Elle comprend une étude détaillée du signal OFI reçu lorsqu'une particule individuelle traverse le volume de détection laser, afin de comprendre les caractéristiques essentielles qui fournissent des informations sur la particule interrogée
SuperviZ - Supervision et orchestration de la sécurité - Rapport d’avancement à mi-projet
No full textCe document constitue le rapport à mi-parcours du projet SuperviZ. Il regroupe l’ensembledes livrables à mi-parcours des 6 lots du projet (un chapitre par lot), identifiés sous les codesL02 à L07.Le projet SuperviZ s’intéresse à la détection, à la réponse et à la remédiation des attaquesinformatiques, sujets regroupés sous l’appellation de “supervision de sécurité”.Fondamentale dans le contexte des SI d’entreprise, la supervision l’est encore plus dans le casdes systèmes cyber-physiques. En effet, avec des “objets” (dispositifs de nature et de capacitétrès hétérogène) qui devraient à terme être tous, ou presque, connectés, la surface d’attaqueaugmente significativement.Le projet SuperviZ adresse des défis de la supervision dans ce double contexte IT et OT. Il apermis de lancer à ce jour 13 thèses (pour 11 initialement prévues) et 5 postdoc (2 sont terminéset 2 restent à pourvoir)
Convergence accélérée de la Décomposition Lagrangienne pour la Planification Automatique
No full textNational audienceLa décomposition lagrangienne est une méthode de programmation linéaire en nombres entiers qui exploite la structure d'un problème pour construire des sousproblèmes indépendants. La résolution de ces sousproblèmes procure une borne à l'optimalité sur le problème original. La qualité de cette borne peut être optimisée par des itérations de sous-gradients sur un vecteur de multiplicateurs. On compte plusieurs contributions qui transposent ces principes en programmation par contraintes. Une approche récente, introduite par Bessa et al. ( 2025) permet d'inférer une meilleure borne grâce à un modèle d'apprentissage. Notre projet de recherche vise à trouver des transpositions de cette méthode vers d'autres domaines de résolution de problèmes combinatoires et d'en évaluer l'apport. Une première discipline identifiée est la planification automatique. Ce papier montre nos avancées préliminaires pour améliorer une méthode existante de décomposition lagrangienne en planification. Nos premiers résultats témoignent d'une avancée des performances avant d'avoir incorporé l'apprentissage dans notre méthodologie
A Fine-Grained Predictive Stress Quantification Framework for Drivers with Autism Spectrum Disorder in Inclusive Smart Mobility
No full textInternational audienceAutism Spectrum Disorder (ASD) is a neurodevelopmental condition that significantly heightens the challenges and risks associated with driving. Individuals with ASD often experience increased sensory sensitivities, difficulty adapting to dynamic environments, and heightened vulnerability to unexpected events, which can lead to elevated stress levels, sensory overload, and impaired decision-making on the road. Existing research in stress detection primarily proposes reactive approaches, triggering responses only after stress has escalated. Such strategies limit the possibility for timely and effective intervention. Moreover, most existing studies fail to quantify stress intensity, providing only binary assessments. This lack of granularity hinders the development of proactive and personalized support mechanisms. In this paper, we propose a novel real-time approach for continuous stress prediction and quantification tailored to drivers with ASD. Our method leverages physiological signals and contextual data to anticipate stress escalation and enable proactive stress quantification and provide a proactive, fine-grained assessment of stress levels, paving the way for personalized and context-aware in-vehicle support systems that enhance driving safety and comfort for individuals with ASD
4-port Microwave sensor and electrical model for 3D object mapping
No full textInternational audienceThe characterization of biological objects with microwave spectroscopy is getting increasing interests, as it is label-free and noninvasive. To perform their analysis, 2-port sensors are present in the literature, enabling only partial investigations of 3D biological samples, without taking their structural heterogeneity into account. Within this context, a 4-port microwave-based biosensor dedicated to microtissue characterization is proposed, in order to extend the sensing capabilities of microwave dielectric spectroscopy and provide electrical responses of 3D biological models subdivisions. An electrical model suitable for such a multiport device is established to extract the characteristics of the different sections of the 3D entity. The modeling methodology exploits the symmetry of the microwave component, while applying a common and differential modes approach derived from the measured 4 ports scattering parameters. After the mathematical validation of this approach, different elementary models are evaluated. Ethanol-based aqueous solutions are first used for their homogeneity within the fluidic channel. Polystyrene beads exhibiting two different diameter sizes are then numerically and experimentally investigated due to their 3D configuration and their uniform and known permittivity. This study demonstrates that the 4-port sensor and associated electrical model enable to consider electrical subdivisions of the 3D entity under test, based on the localization of the object on the different microwave electrodes. This constitutes the first step toward the analyses of complex and heterogeneous 3D biological models such as microtissues