Contrat doctoral (H/F) : Navigation par familiarité visuelle sur de longues distances : application à u

Sujet de thèse :
Problématique
La navigation autonome est un défi majeur, notamment en l’absence de systèmes de positionnement par satellite (GNSS) ou d’infrastructures de communication. Les solutions actuelles, comme les lidars, sont souvent énergivores, coûteuses et actives donc peu discrètes.
Il a été montré récemment que des panoramas de seulement quelques milliers de pixels peuvent être utilisés pour mémoriser et récapituler des chemins. Cette vision primaire s’associe pour l’instant à une mémorisation également minimaliste et ainsi, permet à un robot mobile et à un drone de suivre des chemins d’une ou plusieurs dizaines de mètres (Gattaux et al 2025, 2026).
L’idée est de modifier le traitement visuel pour apprendre et de récapituler des chemins visuels à la fois plus longs et plus variés, notamment accessibles avec un robot à pattes.
Approche
Ce projet de thèse s’inspire des stratégies visuelles des invertébrés (fourmis, abeilles), capables de naviguer avec une extrême efficacité malgré des ressources cognitives limitées. Des nombreux animaux semblent également utiliser les traitements basés sur la familiarité visuelle pour retrouver leur gîte mais également mémoriser des chemins familiers.
Le principe de familiarité visuelle (IA ultra-frugale), inspiré des mécanismes cognitifs des invertébrés, repose sur un encodage minimaliste des informations visuelles. Contrairement aux approches classiques de vision par ordinateur, qui nécessitent des ressources computationnelles et une empreinte mémoire importante, cette méthode se limite à capturer et mémoriser les combinaisons de contrastes massifs présents dans une image ou une séquence d’images (panoramiques ou non). Ces
combinaisons de contrastes sont encodées et stockées dans un vecteur de seulement 15 000 bits (Gattaux et al., 2025, 2026), appelé MBON (Mushroom Body Output Neurons, en référence aux structures neuronales des insectes). Chaque MBON agit comme une mémoire visuelle compacte, codant l’essence d’une scène sans stocker les détails superflus. Lors de la phase de rappel en mémoire, une nouvelle image est encodée selon le même principe, puis comparée au(x) MBON(s) mémorisé(s). Un indice de familiarité est alors calculé, quantifiant la similarité/familiarité entre la signature de l’image courante et les signatures visuelles stockées en mémoire. Ce mécanisme permet à un robot de reconnaître un lieu déjà exploré avec une précision remarquable, tout en utilisant des ressources matérielles et énergétiques extrêmement réduites. Cette approche, à la fois économe et robuste, ouvre la voie à des systèmes de navigation autonome adaptés aux environnements contraints, où la sobriété et l’efficacité sont critiques.
Il s’agira d’adapter la chaîne de traitement visuel minimaliste pour mémoriser des chemins visuels plus longs et plus variés accessibles par un robot à pattes.

Profil recherché

Cette thèse pluridisciplinaire requiert de très bonnes conna
Voir plus sur le site emploi.cnrs.fr...