Thèse Modélisation et Optimisation des Architectures Matérielles-Logicielles de Réseaux de Neurones Dynamiques - Application à l'Amélioration de Fauteuils Roulants Augmentés H/F doctorat.gouv.fr
- Nantes - 44
- CDD
- Service public d'état
Détail du poste
Établissement : Nantes Université École doctorale : École doctorale Mathématiques et Sciences et Technologies du numérique, de l'Information et de la Communication Laboratoire de recherche : Institut d'Electronique et des Technologies du numéRique (IETR) Direction de la thèse : Sebastien LE NOURS Date limite de candidature : 2026-11-30T00:00:00
L'intégration d'algorithmes d'intelligence artificielle (IA) au sein de systèmes embarqués ouvre la voie à l'émergence d'une nouvelle génération de dispositifs intelligents, c'est-à-dire capables de s'adapter à un environnement complexe et imprévisible tout en collaborant de manière adaptée avec l'utilisateur humain. Les possibilités offertes trouvent des applications notamment dans l'amélioration des systèmes de mobilité pour l'assistance des personnes en situation de handicap. Ainsi, le cas d'usage considéré
dans ce projet de thèse est celui de fauteuils roulants électriques pour lesquels plusieurs types de capteurs embarqués servent à l'observation et l'analyse de l'environnement de déplacement. Les méthodes d'IA, de par les performances atteintes en analyse des données issues des capteurs, permettent d'envisager de grandes avancées dans l'analyse et la compréhension de l'environnement de déplacement (détection d'obstacle, analyse de trajectoire). Cependant, l'utilisation d'algorithmes d'IA dans des systèmes contraints tel qu'un fauteuil roulant est un réel défi de par les nombreuses contraintes extra-fonctionnelles (temps réel, consommation, coût, fiabilité) à respecter.
Dans ce contexte, les réseaux de neurones dynamiques (Dynamic Neural Networks, DyNNs) représentent une solution à fort potentiel afin de satisfaire les contraintes fonctionnelles (précision de prédiction) et extrafonctionnelles (temps/consommation/coût) propres à un système d'aide à la mobilité des personnes. Les DyNNs intègrent une part de contrôle dans le flux de traitement classiquement statique des réseaux de neurones profonds, permettant d'adapter automatiquement en cours de fonctionnement la charge de calcul requise compte tenu des conditions d'opération. Ce contrôle permet, à l'inférence, de désactiver dynamiquement des chemins de données et des calculs, offrant la possibilité de limiter la complexité d'un réseau et d'optimiser ainsi l'utilisation des ressources de calcul et de mémorisation sous-jacentes. Dans le cadre de ce travail de thèse, nous chercherons à étudier et optimiser les architectures matérielles et logicielles requises pour la mise en oeuvre de DyNNs sous des contraintes propres au cas d'usage considéré. Il s'agira notamment de permettre d'appréhender au plus tôt du processus de conception le dimensionnement et l'optimisation sous contraintes des ressources matérielles et logicielles requises malgré les variations significatives des charges de calcul et de communication au sein des DyNNs étudiés
Ce travail de thèse se déroulera principalement au laboratoire IETR à Polytech Nantes. Ce groupe de recherche possède une longue expertise dans le domaine de la conception et de la modélisation de systèmes embarqués. Cette thèse est menée dans le cadre du projet ANR DyNNAMO (Dynamic Neural Network for Adaptive wheelchair MObility), porté par Nantes Université et ayant comme partenaires académiques INSA
Rennes (laboratoires IETR et IRISA) et ENSTA (laboratoire LABSTICC). Cette thèse s'organisera en étroite collaboration avec les membres du projet. Le chercheur recruté sera associé aux autres activités des groupes de recherche : réunions de groupe, séminaires, événements sociaux. Le démarrage de la thèse est attenu pour octobre-novembre 2025.
Dans ce contexte, nous envisageons la mise au point d'une approche de modélisation et d'optimisation des architectures matérielles et logicielles de DyNNs exécutés sur des plates-formes multiprocesseurs. Dans le cadre de ce travail de thèse, nous envisageons d'étudier l'apport de la modélisation probabiliste afin de décrire l'effet de la variabilité des propriétés temporelles des architectures. De tels modèles permettent également de
capturer efficacement l'effet des ressources partagées de calcul, de communication et de mémorisation tout en permettant une évaluation efficace des propriétés temporelles.
L'approche visée se veut hybride en combinant à la fois la caractérisation par la mesure de certains phénomènes propres à l'exécution de réseaux sur des plates-formes multiprocesseurs et également la modélisation au niveau système utilisant des lois de probabilité quantifiant les variations des temps de calcul et de communication.
Afin d'envisager la mise en place d'un tel flot, les objectifs de la thèse portent sur : la définition d'une approche expérimentale permettant de caractériser efficacement les propriétés temporelles de DyNNs sur plate-forme multiprocesseur, la proposition de modèles de niveau système permettant de prédire correctement les propriétés temporelles et de consommation pour différentes architectures de DyNNs, la proposition
d'optimisations des architectures compte tenu des stratégies d'adaptation des ressources, la réalisation d'un démonstrateur opérationnel de DyNN optimisé pour le cas d'usage considéré dans le projet.
Publiée le 16/11/2026 - Réf : 21f0b31126f1ba4f682a4fb64081acd7