Solution adaptative multi-capteurs de géolocalisation indoor/outdoor – CyborgLOC

Le projet CyborgLOC vise la production pré-industrielle d’une Solution Adaptative multi-capteurs pour la géolocalisation Indoor Outdoor nomade. CyborgLOC s’appuie sur : a) l’état de l’art atteint par le laboratoire IFSTTAR en navigation inertielle (entre 0,35% à 2% de déviation sur plus d’un kilomètre), b) sur des méthodes de Deep Learning et Big Data pour intégrer la reconnaissance en temps réel des mouvements du corps humain et les soustraire dans les calculs de trajectoire du barycentre du porteur, c) sur l’expertise des microsystèmes miniaturisés de géolocalisation avec energy harvesting de SGME ainsi que sa maîtrise de capteurs variés, d) sur les premiers prototypes de SGME pour un système de Géolocalisation Indoor/Outdoor basés sur les travaux de fusion et d’ordonnancement des données et des calculs.

Le consortium rapproche 4 grands domaines complémentaires pour résoudre les difficultés du challenge : a) La navigation inertielle, portage et transformation sur la plateforme CyborgLOC des algorithmes très poussés de l’IFSTTAR, b) La robotique, intégration des algorithmes et connaissances d’Elter pour l’ordonnancement et un comportement réactif face à l’environnement et la situation (dont les mouvements du corps humain), c) Les microsystèmes, miniaturisation et intégration de microsystèmes électroniques de SGME (Bageo), avec une recherche d’économie d’énergie allant jusqu’au « energy harvesting ». Ces quatre grands domaines se rencontrent finalement autour d’un thème commun : un système de géolocalisation adaptatif, privilégiant la reconnaissance de mouvement et d’environnement basés sur des algorithmes de deep learning pour l’ordonnancement.

Le 1° prototype CyborgLOC Init a des performances limitées mais néanmoins supérieures à l’état de l’art. Le 2° prototype CyborgLOC Expert possède tous les capteurs pertinents, distribués sur le corps. Il met en œuvre des capteurs distribués pour la reconnaissance et la classification des mouvements du corps humain. L’ensemble de la méthode scientifique avec les algorithmes pertinents sont mis en œuvre. Fusion et ordonnancement à plusieurs niveaux sont effectifs. 80% des connaissances apprises et modélisés dans les bancs d’essais successifs sont intégrés à CyborgLOC Expert. Le capteur video stéréo est mis en œuvre. La phase de configuration initiale de la compétition met à profit une procédure d’apprentissage renforcée dédiée au porteur. Le 3ème prototype « CyborgLOC Tuning » reprend tous les éléments de retour d’expérience et rentre dans une phase de réglage des algorithmes, de performance et d’acuité. Plusieurs leviers sont utilisés : a) Classification et vitesse de reconnaissance des mouvements du corps améliorée, b) Paramétrage et configurations améliorées des algorithmes, c) Précision du calcul accrue par augmentations des performances énergétiques, d) Amélioration de l’ordonnancement, e) Interactions avec l’environnement plus réactives, phases de transition plus courtes, f) Phase de personnalisation par apprentissage renforcé sur l’individu améliorée. Cette phase nécessite également de perfectionner le banc de mesure, d’améliorer les outils d’analyse, éventuellement de basculer sur des algorithmes encore plus adaptables comme notamment la prise en compte dynamique de nouvelles classes dans le Deep Learning.

La création d’un système de géolocalisation outdoor/indoor sans infrastructures a pour effet de positionner ce système à l’avant de l’état de l’art. Les membres du consortium bénéficieraient d’un positionnement favorable pour atteindre rapidement certains marchés professionnels. Par ailleurs, l’atteinte d’un tel niveau pourrait permettre d’envisager le développement d’une déclinaison du dispositif vers le grand public en retravaillant des aspects tels que l’intégration à l’existant (smartphone, objets connectés), le prix, le design et l’ergonomie.