Thèse Planification Robuste Multi-Drones pour la Collecte des Déchets Marins en Présence d'Incertitudes sur les Courants Océaniques H/F Doctorat.Gouv.Fr

Établissement : Ecole Nationale de l'Aviation Civile École doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse Laboratoire de recherche : ENAC-LAB - Laboratoire de Recherche ENAC Direction de la thèse : Daniel DELAHAYE ORCID 0000000249656815 Début de la thèse : 2027-09-01 Date limite de candidature : 2026-11-23T23:59:59 La pollution marine causée par les déchets plastiques flottants représente un défi environnemental majeur, affectant les écosystèmes marins, la biodiversité et les activités humaines. Les avancées récentes dans le domaine des véhicules aériens sans pilote (UAV) et des systèmes autonomes offrent des solutions prometteuses pour détecter et collecter les déchets marins sur de vastes zones océaniques difficiles d'accès.

Cependant, la collecte autonome efficace reste un problème d'optimisation complexe en raison de la nature dynamique des environnements marins. Les déchets flottants sont continuellement transportés par les courants océaniques et les vents, tandis que les opérations des drones sont contraintes par la capacité limitée des batteries, la portée des communications, les conditions météorologiques et les exigences de coordination de la flotte.

Cette thèse propose un cadre d'optimisation robuste pour la planification d'une flotte de drones autonomes dédiée à la collecte des déchets marins. L'approche proposée combinera la modélisation des courants océaniques, la prédiction de la dérive des déchets, l'allocation des tâches entre plusieurs drones et l'optimisation dynamique des trajectoires.

L'objectif est de développer des algorithmes d'aide à la décision capables d'adapter les plans de collecte en temps réel, tout en minimisant la consommation d'énergie, la durée des missions et le nombre de cibles de déchets non collectées.

Cette recherche contribuera au développement de systèmes autonomes durables pour la réduction de la pollution marine à grande échelle. Marine plastic pollution is a major environmental challenge. Floating debris is continuously transported by ocean currents, wind and waves, making waste collection a dynamic and uncertain problem. Traditional ship-based operations are costly and limited in scalability. Autonomous drone fleets offer a promising alternative, but require advanced planning methods that jointly address moving targets, limited battery capacity, communication constraints, weather uncertainty and fleet coordination. The main objective is to develop a robust optimization framework for coordinating autonomous drone fleets dedicated to marine waste collection in dynamic ocean environments. The specific objectives are to:

model marine waste drift under uncertain ocean currents and wind;
optimize multi-drone task allocation for moving targets;
develop robust energy-aware trajectory optimization methods;
design adaptive AI-based decision strategies for real-time fleet coordination. The proposed framework combines:
- numerical ocean models for current estimation;
- Lagrangian particle models for waste drift prediction;
- probabilistic modelling of future debris positions;
- mixed-integer optimization for multi-drone task allocation;
- robust trajectory optimization under environmental uncertainty;
- heuristic methods for large-scale problems;
- multi-agent reinforcement learning for adaptive decision-making;
- optimization constraints to guarantee operational feasibility and safety.

Validation will rely on realistic simulation scenarios integrating ocean currents, wind fields, marine debris distributions and drone performance models.