Dans le cadre du développement de ses activités de recherche et d’innovation dans le domaine de la modélisation du mouvement humain, MINES Paris, membre de PSL Université, ouvre un poste de stage pour un élève ingénieur ou un étudiant en M2. Le Centre de Robotique Le Centre de Robotique, qui regroupe une vingtaine de permanents et une vingtaine de doctorants, est un des principaux centres de recherche du Département « Mathématiques et Systèmes » de MINES Paris. Installé boulevard Saint-Michel au centre de Paris sur le site historique de l’École, et bientôt doté d’une extension sur le site de Satory à Versailles, le Centre mène des recherches appliquées principalement aux secteurs des Véhicules et Transports Intelligents, de la Robotique mobile, et de la Robotique Collaborative industrielle et de service. Ces travaux, dont un point commun est de concerner surtout des systèmes avec rétroaction, donc plus ou moins temps-réel et souvent embarqués, s’appuient sur des recherches algorithmiques portant sur plusieurs thématiques complémentaires. Contexte Ce stage de recherche vise à explorer des modèles de réaction-diffusion chaotiques et des concepts topologiques pour la modélisation dynamique des interactions entre les articulations du corps pour un geste donné. En utilisant les datasets disponibles de la benchmark AIMove, qui incluent des mouvements primitifs enregistrés selon le protocole ergonomique EAWS (European Assessment Worksheet), nous chercherons à identifier des corrélations dans ces données. Par exemple, nous analyserons des gestes tels que le soulèvement d’un objet lourd ou le portage d’une charge sur une certaine distance.
Objectifs
Nous nous appuierons sur des travaux antérieurs liés au Gesture Operational Model (GOM) [1], un modèle qui s’appuie sur des principes biomécaniques et une représentation basée sur l’espace d’état (State Space) pour décrire les relations dynamiques entre les entités corporelles et leur évolution stochastique au cours des gestes humains. Ce modèle a été complété par des travaux théoriques et expérimentaux détaillant l’applicabilité de ces principes pour les gestes professionnels [2]. Dans cette optique, nous chercherons à identifier des corrélations et des motifs significatifs dans les données en utilisant des méthodes telles que la décomposition en valeurs singulières (SVD) et les transformations de Fourier, comme proposé dans [3]. Ces outils permettront d’examiner les relations temporelles et de déceler des interactions potentielles entre les différentes parties du corps.
En outre, l’étude portera une attention particulière aux structures chaotiques émergentes dans les systèmes de réaction-diffusion. Ces systèmes pourraient offrir une perspective unique pour modéliser les interactions inter-musculaires complexes, en particulier dans des situations de mouvements contraints ou instables. L’analyse se concentrera sur la façon dont des structures d’ondes, comme les excitations localisées, évoluent et interagissent dans des conditions proches de l’équilibre dynamique.
Cette étude explorera également la possibilité d’utiliser des approches d’intelligence artificielle inspirées de la physique, comme les réseaux neuronaux différentiables ou les Physics-Informed Neural Networks (PINNs), pour modéliser les dynamiques émergentes des systèmes chaotiques de réaction-diffusion. Ces outils permettront d’intégrer directement des principes physiques, tels que les lois de conservation et les interactions topologiques, afin de mieux représenter et prédire les interactions complexes des articulations humaines.
Profile recherché
Nous recherchons un(e) étudiant(e) en M2 ou élève-ingénieur(e) issu(e) d’un parcours en physique, mathématiques appliquées, ou data science, ayant les compétences suivantes :
Compétences scientifiques :
- Très bonnes connaissances en machine learning et deep learning.
- Bonne compréhension de la modélisation stochastique.
- Connaissances en systèmes dynamiques et modélisation (réaction-diffusion, chaos).
- Bonne compréhension des équations différentielles partielles et de leur résolution numérique.
Compétences techniques :
- Programmation en Python, Matlab, ou équivalent.
- Expérience avec des bibliothèques et outils comme NumPy, SciPy, TensorFlow.
- Compétences en visualisation et traitement des données.
Encadrement et lieu de recherche
Le stage sera encadré par Sotiris Manitsaris, Directeur Adjoint au Centre de Robotique, Mines Paris – PSL Université, 60 boulevard Saint Michel, 75006, Paris, en collaboration avec Guillaume Attuel, chercheur collaborateur. Cet encadrement assurera un soutien technique et méthodologique tout au long du projet.
Candidatures
Les candidatures doivent être envoyées par email à : sotiris [dot] manitsaris [at] minesparis [dot] psl [dot] eu
Références bibliographiques :
- Guillaume Attuel. Quantum entanglement in classical systems: so what is the subquantum medium made of? International Journal of Theoretical Physics, 63(12):1–38, 2024.
- Sotiris Manitsaris. Movement-based Human-Machine Collaboration: a Human-centred AI approach, 2021. HDR, Sorbonne Université.
- Brenda Elizabeth Olivas-Padilla, Sotiris Manitsaris, and Alina Glushkova. Explainable ai in human motion: A comprehensive approach to analysis, modeling, and generation. Pattern Recognition, 151:110418, 2024.
