Moveon, une solution pour améliorer la fiabilité des systèmes de localisation en environnement dynamique

Date:
Mis à jour le 08/10/2020
Né de la collaboration entre le DFKI et Inria, Moveon développe une nouvelle génération d’algorithmes pour la localisation, en permettant de raisonner géométriquement sur des primitives de haut niveau issues de l’apprentissage.
Moveon
© Unsplash / Photo Thor Alvis

 

En janvier dernier, Inria et le Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) organisaient un premier workshop entre leurs équipes de recherche, dans le cadre de la signature d’un protocole d’accord pour mener des travaux communs en intelligence artificielle. L’objectif : permettre aux équipes françaises et allemandes d’échanger, par groupes d'intérêts, afin de faire émerger des idées et des projets communs.

Allier les compétences autour de la réalité augmentée

Parmi ces derniers, l’équipe-projet Magrit côté Inria, et l’équipe Augmented Vision côté DFKI décidaient alors d’associer leurs expertises autour du sujet de la localisation en réalité augmentée, dont les champs d’applications vont aujourd’hui bien au-delà de la conduite autonome. 

Moveon
© Inria / Photo Raphaël de Bengy

Les chercheurs allemands et français sont en effet assez complémentaires sur le sujet, avec pour Magrit des travaux reconnus en suivi 3D pour la réalité augmentée et des résultats récents et prometteurs sur la localisation utilisant la notion d’objets reconnus comme balise, et pour Augmented Vision une expérience forte du SLAM (le fait de reconstruire l’environnement et de localiser la caméra en mouvement en même temps) et des travaux récents sur la conception de systèmes end-to-end pour le tracking ou la reconstruction. 

« Les deux équipes ont une très bonne visibilité dans le domaine de la réalité augmentée et partagent également le souhait de faire du raisonnement géométrique sur des primitives de haut niveau pour améliorer la robustesse et la fiabilité des systèmes de réalité augmentée. » Marie-Odile Berger, chercheuse et responsable de l’équipe-projet Magrit.

Des systèmes plus flexibles et plus fiables

Baptisé Moveon, le projet prévoit ainsi de s’appuyer sur les progrès de la reconnaissance d’objets et plus globalement des techniques d’apprentissage profond, pour développer une nouvelle génération d’algorithmes pour la localisation. Concrètement, la reconnaissance et la compréhension, basées sur l'apprentissage approfondi, de concepts de haut niveau tels que les points de fuite ou les classes d'objets volumineux, serviront ainsi d'éléments de base pour la localisation spatiotemporelle et la reconstruction de l'environnement, qui utiliseront le raisonnement géométrique comme support sous-jacent.

« Par opposition aux systèmes de type end-to-end qui nécessitent un apprentissage complet et ont des difficultés à  intégrer dans leur structure les contraintes inhérentes à la projection perspective ou à la modélisation 3D, notre objectif est de concevoir des systèmes plus flexibles, limitant les besoins du réapprentissage pour la prise en compte de nouveaux environnements,  qui passent facilement à l’échelle et qui, étant capables de raisonner de manière géométriquement correcte sur des objets, ont une fiabilité temporelle accrue. » Marie-Odile Berger.

Le projet, officiellement crée depuis fin août, a réalisé son kick-off meeting le 10 septembre dernier. Deux doctorants ainsi qu’un ingénieur ont récemment été recrutés, dans le but de mettre en valeur les algorithmes de localisation au travers de la réalisation de démonstrateurs des travaux du projet.