Portail des publications scientifiques IMT Mines Alès
Not a member yet
5198 research outputs found
Sort by
Incorporating Human-In-The-Loop interactivity through the integration of discrete event simulation and virtual reality
No full textInternational audienceThis paper introduces a groundbreaking framework that integrates Human-in-the-Loop capabilities into Discrete Event Simulation systems (DES), in combination with Virtual Reality (VR). This innovation represents a significant departure from traditional DES systems by enabling real-time human participation, thus enhancing adaptability, decision-making, and engagement within the simulation process. Leveraging the strengths of DES and VR, the proposed framework employs the High-Level Architecture to overcome interoperability challenges, ensuring efficient communication and synchronization between DES and VR components. Key contributions of this work include enhanced flexibility through task decomposition, improved system maintainability via a dynamic architecture that enhances accessibility for non-expert users, and an immersive, interactive user experience. By integrating humans directly into DES, this framework redefines simulation systems, opening new possibilities for interactive, human-driven applications across domains such as healthcare, logistics, and manufacturing. Our findings highlight the transformative potential of Human-in-the-Loop integration, offering a novel paradigm for smarter, more adaptive simulation environments.</div
Collaborative Creativity in Shared Diminished Reality
No full textPurpose: This study explores collaborative creativity in Immersive Digitally Mediated Interactions (IDMI) using a novel virtual reality (VR) setup. The central question is how IDMI tools can promote collaborative creativity and to what extent they offer new avenues for creative agency. We introduce the YUMI model which proposes that shared control over a single avatar enhances creative interaction by blurring the self and other agency, and the prototype of an VR installation that holds the potential to investigate this hypothesis. Methods:To provide a proof-of-concept of our model, we developed a Shared Diminished Reality (SDR) installation called "The Median," where two participants control a single avatar composed of three spheres. The avatar's movement is determined by the combined movements of the participants' heads and hands. Participants engage in unscripted movement improvisations while wearing VR headsets, with varying degrees of control over the avatar across trials. After the experiment, participants completed a questionnaire assessing different aspects of their experience and in particular their ability to distinguish their own contributions to the avatar's movement. Movement data was also collected and analyzed.Results: Results showed a correlation between self-other agency confusion and an extended sense of self. Movement analysis indicated that participants with higher agency confusion exhibited less predictable head movements than their partner, and followed that partner's hand movement more. Conclusion:This study supports the YUMI model, showing that blended agency enhances certain aspects of creative behavior. The Median setup is well suited to induce such states of confused agency, opening new avenues in VR research and design.</div
Influence of the surface modification of a basalt fiber on the in-plane permeability at two scales: the tow and the fibrous preform
No full textInternational audienceIn liquid composite molding processes, the impregnation of the fibrous preform, composed of a double pore scale, is a crucial challenge [1]. As a matter of fact, a poor impregnation can lead to the void formation (micro or macro voids), and this can also affect the surface and interface quality as well as the mechanical properties of the final parts [2]. To avoid these defects, numerical simulation is an important tool for manufacturers to predict the impregnation of the fibrous preform during the process. Therefore, the experimental characterization of the permeability values of the fibrous preform is an important input data for the models. Furthermore, the multiscale structure of the fibrous preform leads to a dual scale flow of the liquid (between the tows or inside the tows) [3]. Consequently, to conduct simulations as close as possible to the reality, permeability values at different scales (fibrous preform and tow) are required. Another aspect aborded in this work, often neglected in the literature, is the effect of the affinity between the fluid and the fiber (capillary pressure [4]) on the permeability values at both scales. According to the literature, the capillary pressure can modify the unsaturated permeability under certain conditions, such as process parameters and affinity fluid/fiber [5].The aim of this study is to evaluate the impact of the surface modification of a basalt fabric on the in-plane permeability at two scales: the tow and the fibrous preform. Unsaturated (Kunsat) and saturated (Ksat) permeability experiments were performed at the fibrous preform scale whereas only saturated permeability experiments were performed at the tow scale (Figure 1). The basalt fabric was modified by thermal treatment. The test liquids use for the study were water, a polyethylene glycol (PEG300) and a silicone oil (PMX200 – 100cS). First results showed, at the single fiber scale, that the thermal treatment modified significantly the surface energy of the basalt fiber by increasing the total surface energy and particularly the polar component [6]. At the fibrous preform scale with water, results showed an increase of the saturated and unsaturated in-plane permeability after thermal treatment (Table 1). The experiments with the polyethylene glycol and the silicone oil are currently carried on for the thermal treated fabric. These results, combined with results at the tow scale, will allow us to improve the understanding of considering the capillary effects in the unsaturated permeability and to include these values in simulation at higher scale [7]
Combinaison de techniques de bio-traitement passives ou semi-passives applicables aux drainages miniers
No full textInternational audienceLe projet COMPAS (APR-GESIPOL-2017-COMPAs) a visé à déterminer la combinaison optimale de traitements passifs ou semipassifs pour réduire l'impact environnemental des drainages miniers acides riches en fer, métaux lourds et arsenic. Les deux principales étapes de traitement biologique testées étaient la sulfato-réduction, permettant d'éliminer les métaux sous forme de sulfures et augmenter le pH de l'eau à une valeur proche de la neutralité et la bio-oxydation induisant la coprécipitation du fer (Fe) et de l'arsenic (As). Un traitement physico-chimique complémentaire utilisant des matériaux calcaires a également été évalué. Le projet a été conduit principalement sur le site minier de Carnoulès, connu pour ses importantes contaminations en Fe, As et zinc (Zn) avec des concentrations typiques respectivement de 1000, 100 et 20 mg/L. Une modélisation biogéochimique a été réalisée pour optimiser les conditions expérimentales. Les résultats des essais en laboratoire et sur site ont montré une efficacité prometteuse, mais des ajustements sont nécessaires pour une application industrielle. En parallèle, une évaluation économique et une analyse du cycle de vie (ACV) ont été menées pour estimer les coûts et l'impact environnemental des différents procédés de traitement proposés. Les conclusions indiquent que des essais à l'échelle démonstrateur sont indispensables pour valider les performances et affiner les paramètres de traitement.</div
Spiking neural networks for multimodal dance performance classification
No full textInternational audienceThis study focuses on human synchronization in dance: how individuals adapt their movements when dancing to music with a partner. We analyze a dataset of dyadic dance, where pairs of individuals performed in four experimental conditions either listening to the same or different music and either seeing each other or not. The individuals' whole-body movements were recorded using 22 motion capture sensors. A key question we investigate is whether motion alone can reveal the condition in which the dancers were recorded. To address this classification problem, we use Spiking Neural Networks (SNNs). Due to their intrinsic ability to encode temporal dynamics, these models seem well suited for analyzing such motion time series data. Since SNNs process discrete spike events, an essential preprocessing step involves encoding continuous movement data into spikes. Classification accuracy is evaluated through various preprocessing steps, network architectures and hyperparameters. The results open perspectives for a biologically plausible modeling of human perception of synchronization
Modélisation des incertitudes et des préférences : application aux problèmes de décision multicritère et à l'apprentissage automatique prudent
No full textThis manuscript presents my research work, which falls within the general field of decision aid. While the spectrum of decision aid is very broad, the work in question focuses on some specific aspects. More precisely, I consider the context where decision problems are related to actions whose consequences may be uncertain, multi-criteria in nature, and involve several decision-makers. Most of the time, the underlying model consists in constructing a utility (or value) function that plays the role of the objective function of a constrained optimization problem to be solved. The targeted applications concern the resolution of ranking or classification problems of alternatives (or classes) that are potential solutions.The ranking problem is addressed as a multiple criteria decision analysis (MCDA) problem, either through methods derived from multi-attribute utility theory (MAUT) or through outranking methods. The second classification problem, although it can be handled by MCDA methods (e.g., Electre Tri), is generally treated as a decision problem under uncertainty using machine learning techniques to approximate posterior probability distributions. In both situations, the decision-maker is asked to provide his preferences, when possible, in order to construct the utility function and compare potential solutions to the problem under consideration.Multiple criteria decision aid, with its two branches—multi-objective optimization (MOO) and multiple criteria decision analysis—aims to assist decision-makers in dealing with complex problems: multiplicity of antagonistic or even contradictory viewpoints, multiplicity of decision-makers with different objectives, algorithmic complexity, difficulty in obtaining information (in terms of cost and time), etc. In particular, we are interested in developing models that allow decision-makers to evaluate the current situation and obtain efficient improvement directions. These models require strong involvement of decision-makers/experts to optimize the efficiency of the solutions. This is why preference learning and soft computing, which facilitate this task for decision-makers, have been of particular interest in our work. Preference learning enables us to determine the set of parameters defining a multicriteria method, while soft computing allows us to represent the behavioral models of complex systems at lower cost.We have contributed to several themes of multiple criteria analysis. Our contributions to multicriteria evaluation consist in proposing or adapting fusion or aggregation operators to particular situations where information comes from multiple sources; information is imprecise and uncertain; criteria/attributes are interactive; decision-makers are multiple; and preference information is difficult to obtain directly. Our contributions to establishing key indices in multicriteria decision-making can be summarized in three points: 1) Decision power indices, which accelerate convergence in collective decision-making; 2) worth index, which help identify the most beneficial criteria to improve as a priority; 3) Contribution indices, which explain decisions by highlighting the dimensions that contribute to their good or poor ranking. The applications concerned by these contributions include preliminary product design, environmental impact assessment (LCA), industrial ecology and risks, and the comparison of low-carbon energy sources.On the other hand, regarding machine learning, we have mainly worked on supervised classification and association rule extraction. More specifically, we have contributed to confidence (or robust) prediction techniques. By confidence, we mean predictions (or rules) that take into account imperfections in the input data to provide cautious outputs. These prediction techniques are particularly useful in sensitive domains such as medical diagnosis, where imperfections are present, as they allow us to represent uncertainty and limit risks accordingly. The general idea is to prioritize the reliability of information rather than the precision of its content. Our work on imprecise classification—i.e., when the output of the classification method for an input sample subject to severe imperfections is a subset of classes—and on imprecise rule extraction—i.e., when an antecedent may have multiple consequences—falls within this framework.For all these contributions, we adopted belief function theory as it allows us to represent both imprecision and uncertainty and offers a very interesting framework for combining information. We also proposed, within the belief function framework, extensions of certain operations to the case of proportion vectors. We applied this work to the context of environmental compliance, such as the problem of sorting plastics for recycling, where identification errors can cause major recycling difficulties and significantly degrade the performance of secondary raw materials, but also in the management of humanitarian missions, where mission effectiveness must not be disrupted by lack of information.Ce manuscrit présente mes travaux de recherche qui s'inscrivent dans la problématique générale de l'aide à la décision. Si le spectre de l'aide à la décision est très large, les travaux en question portent sur quelques aspects spécifiques. En effet, je me place dans le contexte où les problèmes de décision sont liés à des actes dont les conséquences peuvent être à la fois incertaines, multicritères et où plusieurs acteurs décideurs sont impliqués. La plupart du temps, le modèle sous-jacent consiste à construire une fonction d'utilité (ou de valeurs) qui joue le rôle de la fonction objectif d'un problème d'optimisation sous-contraintes à résoudre. Les applications visées concernent la résolution des problèmes de classement ou de classification d'alternatives (ou de classes) qui sont des solutions potentielles. Le premier problème de classement, se traite comme un problème d'analyse multicritère (MCDA : multiple criteria decision analysis), soit par des méthodes issues de la théorie multi-attributs (MAUT : multi-attribut utility theory), soit par des méthodes de surclassement. Alors que le deuxième problème de classification peut se traiter par les méthodes MCDA, e.g. Electre Tri, il est généralement traité comme un problème de décision sous incertitude avec des techniques d'apprentissage automatique pour approximer les distributions de probabilités a posteriori. Dans les deux situations, le décideur est invité à fournir ses préférences pour construire la fonction d'utilité, quand c'est possible, pour pouvoir comparer les solutions potentielles au problème considéré. L'aide à la décision multicritère avec ces deux branches, l'optimisation multi objectifs (MOO en anglais) et l'analyse multicritère, visent à aider les décideurs dans les problèmes complexes : multiplicité de points de vue antagonistes voire contradictoires, multiplicité de décideurs avec des objectifs différents, complexité algorithmique, difficulté d'obtention de l'information (coût et temps), etc. Nous nous intéressons, en particulier à établir des modèles permettant aux décideurs d'évaluer la situation actuelle et d'obtenir des pistes d'amélioration efficientes. Ces modèles nécessitent une implication importante des décideurs/experts pour optimiser l'efficience des solutions. C'est pourquoi, l'apprentissage des préférences "preferences learning" et le "soft computing", qui facilitent cette tâche aux décideurs, ont particulièrement intéressé nos travaux. L'apprentissage des préférences, comme l'apprentissage automatique de façon générale, nous permet de déterminer l'ensemble des paramètres définissant une méthode multicritère, et le "soft computing" nous permet de représenter les modèles de comportement des systèmes complexes à moindre coût. Nous avons contribué à plusieurs thématiques de l'analyse multicritère. Nos contributions à l'évaluation multicritère consistent à proposer ou adapter des opérateurs de fusion ou d'agrégation à des situations particulières où l'information provient de plusieurs sources; l'information est imprécise et incertaine; les critères/attributs sont interactifs; les décideurs sont multiples, l'information sur les préférences est difficile à obtenir directement. Nos contributions à l'établissement d'indices déterminants dans la décision multicritère peuvent être résumées en trois points : premièrement, des indices de pouvoir décisionnel qui permettent l'accélération de la convergence dans la décision collective; deuxièmement des indices de plus-value permettant de déterminer les axes les plus bénéfiques à améliorer en priorité; troisièmement les indices de contribution permettant d'expliquer les décisions en regardant les dimensions qui contribuent à leur bon ou mauvais classement. Les applications concernées par ces contributions sont la conception préliminaire de produits, l'évaluation des impacts environnementaux (ACV), l'écologie industrielle et les risques, la comparaison des sources d'énergies "bas-carbone". D'autre part, concernant l'apprentissage automatique, nous avons travaillé principalement sur la classification supervisée et l'extraction de règles d'association. De façon plus précise, nous avons apporté des contributions sur les techniques de prédiction de confiance (ou robustes). Par confiance, nous entendons des prédictions (ou des règles) qui tiennent compte des imperfections des données en entrée pour fournir une sortie prudente. Ces techniques de prédiction nous permettent dans certains domaines sensibles comme le diagnostic médical où des imperfections sont présentes, de représenter l'incertitude et de limiter les paris en conséquence. L'idée générale est de privilégier la fiabilité de l'information plutôt que la précision de son contenu. Nos travaux sur la classification imprécise, i.e. lorsque la sortie de la méthode de classification pour un échantillon d'entrée sujet à des imperfections sévères est un sous-ensemble de classes, et l'extraction de règles imprécises, i.e. qu'un antécédent peut avoir plusieurs conséquences, s'inscrivent dans ce cadre. Pour toutes ces contributions, la théorie des fonctions de croyance a été adoptée car elle permet de représenter à la fois l'imprécision et l'incertitude et elle offre un cadre très intéressant pour la combinaison des informations. Nous avons aussi fait des propositions, dans le cadre des fonctions de croyance, pour étendre certaines opérations au cas de vecteurs de proportions. Nous avons appliqué ces travaux au contexte de la conformité environnementale lorsque l'on doit trier les plastiques à des fins de recyclage et que des erreurs d'identification entraîneront de graves difficultés de recyclage et une dégradation importante des performances des matières premières secondaires, mais aussi dans la gestion des missions humanitaires où l'efficacité des missions ne doit pas être perturbée par le manque d'information
Évaluation de la synchronisation entre mouvement et musique : une approche rentable
No full textThis thesis investigates the synchronization between musical rhythm and human motion, focusing on sensorimotor synchronization (SMS). The research explores the relationship between rhythmic auditory stimuli and human movements, such as finger tapping, arm swings, and walking. It examines the impact of rhythmic complexity, movement types, and individual factors like musical expertise and physical morphology on synchronization accuracy. Additionally, it presents a cost-effective framework for synchronization analysis using AI-based rhythm extraction, and video motion capture tools. The proposed methodology integrates advanced signal processing techniques to analyze rhythm and movement, supported by real-time data acquisition and synchronization scoring systems. The study’s findings contribute to various fields, including music education, rehabilitation, and interactive technology development, by providing insights into how rhythm influences human movement. Furthermore, this work explores the effects of external perturbations, such as metronome shifts, on synchronization performance in different movement tasks, offering valuable perspectives for future research in both academic and applied contexts.Cette thèse explore la synchronisation entre le rythme musical et les mouvements humains, en se concentrant sur la synchronisation sensorimotrice (SMS). L’étude analyse la relation entre les stimuli auditifs rythmiques et les mouvements humains, tels que le tapotement des doigts, les balancements des bras et la marche. Elle examine l’impact de la complexité rythmique, des types de mouvements et des facteurs individuels comme l’expertise musicale et la morphologie physique sur la précision de la synchronisation. En outre, un cadre rentable pour l’analyse de la synchronisation est proposé, basé sur des outils d’extraction de rhythm musical et de capture vidéo et de mouvement utilisant l’IA. La méthodologie intègre des techniques avancées de traitement du signal pour analyser le rythme et les mouvements, soutenues par des systèmes d’acquisition de données en temps réel et d’évaluation de la synchronisation. Les résultats de cette recherche apportent des contributions dans divers domaines, y compris l’éducation musicale, la rééducation et le développement de technologies interactives, en fournissant des aperçus sur l’influence du rythme sur le mouvement humain. De plus, cette étude explore les effets des perturbations externes, telles que les décalages de métronome, sur la performance de synchronisation dans différentes tâches de mouvement, offrant des perspectives précieuses pour des recherches futures à la fois académiques et appliquées
Exploitation de Connaissances Formelles dans des Processus Décisionnels Automatisés et Apprentissage de Modèles Prédictifs
No full textCe manuscrit expose une synthèse de notre activité de recherche en vue de prétendre au diplôme d'Habilitation à Diriger des Recherches en Informatique délivré par l'Université de Montpellier.La première partie du manuscrit - non partagée dans la version publique - se présente sous la forme d'un curriculum vitae détaillé qui fait état du parcours recherche présenté. Cette partie évoque par ailleurs différentes activités en lien étroit avec la recherche que nous menons depuis plusieurs années au sein d’IMT Mines Alès - pour l'auteur en qualité de Maître-assistant de classe normale de l’Institut Mines Télécom.La seconde partie du manuscrit débute à proprement dit le développement de l'exposé de nos activités de chercheur, et de recherche. Un propos introductif nous permet de discuter des éléments de contexte institutionnels et disciplinaires, et de détailler quelques responsabilités en lien avec la recherche seulement évoquées dans le curriculum vitae détaillé. Cette partie permet en particulier de préciser certaines de nos activités menées en qualité de chercheur à la fois membre et au service d'un collectif, e.g. implications et responsabilités dans l'animation de la recherche. Le corps du manuscrit expose par la suite une sélection de travaux de recherche en Informatique, et plus particulièrement en Intelligence Artificielle. Ceux-ci ont pour l’essentiel été réalisés avec différents collègues chercheurs et étudiants-chercheurs depuis l’obtention par l’auteur du titre de docteur (2014). Après un développement sur la notion de mesure sémantique - qui sous-tend plusieurs de nos travaux -, nous structurons notre exposé au travers des axes de recherche suivants : (1) l’exploitation de connaissances formelles dans des processus décisionnels automatisés. Nous discutons comment des représentations de connaissances de type ontologies légères, peuvent servir la production de résumés sémantiques, l’évaluation de la véracité de sources de données, ou encore contribuer à la mise en place de modèles prédictifs lorsqu’une connaissance métier est disponible a priori ; (2) l’apprentissage de modèles prédictifs à partir de données. Nous présentons nos travaux qui portent pour l’essentiel sur l’étude de techniques d’apprentissage automatique pour la résolution de tâches spécifiques, e.g. apprentissage supervisé appliqué à des tâches de traitement automatique du langage naturel, ou apprentissage par renforcement appliqué à la résolution de problèmes d’optimisation combinatoire. Des travaux disciplinaires, détachés d’un applicatif spécifique, seront aussi exposés dans une section dédiée, e.g. optimisation du mécanisme d’attention populaire dans les réseaux de neurones, interprétabilité de prédicteurs. Les contributions apportées dans ces différents axes ont été appliquées à des domaines multiples : analyse psychosensorielle, domaine juridique, domaines des sciences du mouvement humain, du sport et de la santé... Bien que nous insistions sur le contexte appliqué de certaines contributions, nous tâcherons aussi, tant que possible, de détacher le caractère générique de nos propositions. Le mémoire se termine par la présentation de notre programme de recherche futur axé sur (1) la poursuite de l’étude du transfert de connaissances de l’Homme vers la Machine dans la continuité des travaux déjà réalisés, mais aussi sur (2) l’étude du transfert de connaissances de la Machine vers l’Homme dans le contexte de l’apprentissage machine
