|
|
|
|
|
|
|
|
|
|
Alix Agnès
Simon Barbarit-gaboriau
Romain Bornier
Tiphaine Calvier
Arthur Coron
Celian Daligault
Marie Dubromel
Gabriel Dugué
Thibault Edouard
Juliette Faury
Laura Jouvet
Titouan Leost
Basile Mollard
Antoine Morvan
Océan Noel
Camilo Ortiz
Gaétan Pérez
Simon Philibert
Ylona Provot
Aimé Randriamoramanana
Harendra Rangaradjou
Ambre Ricouard
Léa Rion
Salah El Din Sekar
Luc-André Terrine
Main Tihami ouazzani
Adrian Vanalli carraro
Alix Agnès
Dates : Du 3/17/2025 au 9/12/2025
Laboratoire ou Entreprise : EXAIL SAS - 78100, Saint Germain
Confidentiel : Non, mais pas sur internet
Titre du stage : Analyse de Données de centrales Inertielles
Encadrant : Pierre d'Harcourt, David Yama Yama
Tuteur école : Luc Jaulin
Résumé :
Inertial navigation systems (INS) are tools used to estimate the orientation, velocity,
and position of a system. This internship at Exail, a company specializing in cutting-edge
technologies and notably inertial navigation technologies, took place in the Algorithm
team, whose mission is to analyze the data obtained by these systems in order to ensure
their proper functioning. This internship had two main objectives: the development and
improvement of tools used to facilitate the analysis of inertial data, and the large-scale
analysis of inertial data obtained during factory acceptance testing of the units.
The first phase of the internship consisted of adding new features and documentation
to an internal Python module used for analyzing and visualizing inertial data. Adding new
features to this module was done to encourage its more systematic use by other Algorithm
team members in order to standardize and simplify analysis practices.
The second phase of the internship focused on using the functions previously imple-
mented to perform a large-scale analysis of the values obtained during production tests,
with the specific objective of comparing the performance of a specific range of INS in two
different configurations in order to determine the effectiveness of using a particular sensor
during these tests. The results obtained showed that this sensor had a negative impact,
and its use in future tests was discontinued. Finally, the protocol used for this analysis
was adapted to perform similar analyses for other products
Jury : Franck Ruffier, David Yama Yama (Exail), Pierre d'Harcourt (Exail), Simon Rohou, Luc Jaulin
Simon Barbarit-gaboriau
Dates : Du 3/17/2025 au 8/29/2025
Laboratoire : LASS, CNRS, Toulouse
Confidentiel : Non, mais pas sur internet
Titre du stage : Dense monocular fisheye depth map generation using deep learning
Encadrant : Frédéric Lerasle
Tuteur école : Luc Jaulin
Résumé : Accurate depth estimation from monocular images remains a fundamental challenge in computer vision,
particularly when dealing with the non-linear distortions introduced by fisheye lenses.
This report addresses the problem of generating dense depth maps from single fisheye images using
deep learning techniques, with sparse LiDAR data as supervision, for the securization of a construction site vehicle.
Unlike traditional pinhole camera models, fisheye imagery exhibits unique
geometric properties that standard depth estimation networks struggle to handle effectively.
Moreover, current state-of-the-art methods for metric depth estimation often rely on domain-specific
models that are not well suited for challenging environments such as industrial areas and construction sites.
To overcome these limitations, we investigate and adapt advanced deep learning
architectures for fisheye imagery, incorporating sparse supervision in complex and uniquely structured environments.
Jury : Franck Ruffier, Simon Rohou, Luc Jaulin
Romain Bornier
Dates : Du 3/10/2025 au 8/29/2025, à l'ENSTA, Brest
Laboratoire : Lab-STICC, ENSTA - Ecole nationale supérieure de techniques avancées
Confidentiel : Non
Titre du stage : Investigation of Deep Reinforcement Learning Methods for Control in Underwater Robotics
Encadrant : Gilles Le chenadec et Benoît Clément
Tuteur école : Gilles Le chenadec
Résumé :
The intern has to explore the application and critical evaluation of deep reinforcement learning (DRL)
algorithms—specifically Soft Actor-Critic (SAC) and Proximal Policy Optimization (PPO) within the challenging domain
of autonomous underwater vehicle (AUV) control.
The core objective is to bridge theoretical insights and practical implementations
by developing a high-fidelity simulation framework and conducting systematic experimentation designed
to elucidate the impact of key algorithmic and environmental parameters on learning performance, robustness, and generalization.
Jury : Laurent Hardouin (président), Simon Rohou, Benoît Clément, Quentin Brateau, Maël Godard, Taddeo Guerrin, Luc Jaulin
Tiphaine Calvier
Dates : Du 2/15/2025 au 7/31/2025
Laboratoire ou Entreprise : RIGI TECHNOLOGIES SA, Lausanne, Suisse
Confidentiel : Non, pas sur internet
Titre du stage : Improvement of a drone simulator and automatic path planning algorithms
Encadrant : Thomas Stauber
Tuteur école : Benoït Clément
Résumé : In recent years, aerial drone delivery has emerged as a promising solution to improve logistics
efficiency, reduce delivery times, and access remote or difficult-to-reach areas. RigiTech is a
Swiss company at the forefront of this innovation, specialized in the autonomous transport of
medical supplies. It is designing and operating long-range delivery drones integrated within their
proprietary cloud platform, RigiCloud, to offer end-to-end aerial delivery solutions. To ensure
the reliability, safety, and operational readiness of these drones, extensive testing and validation
in realistic simulation environments are done before deployment in real-life missions.
This report presents the work carried out during my internship at RigiTech. The primary
objective was to improve the drone simulation environment to better reflect the terrain, as well as
real-world behaviours. My main task was to have the simulator support flights with differences of
altitude. Other key tasks focused on enhancing the simulated drone realism, included integrating
camera streaming for precision landings using vision, and enabling circuit breakers to use the
simulator for training, like motor failures.
Ultimately, I was also involved in other projects, such as validating the drone’s Detect and
Avoid system and restructuring a tool used for flight validation.
Jury : Franck Ruffier, Simon Rohou, Luc Jaulin, Thomas Stauber
Arthur Coron
Dates : Du 3/17/2025 au 9/1/2025
Laboratoire : Sorbonne, LOCEAN
Confidentiel : Non, rapport sur internet
Titre du stage : Using deep learning model to forecast oceanic variables and rainfall in the eastern Northeast Brazil
Tuteur école : Gilles Le Chenadec
Résumé : By using different data from the ENEB region, the objective is to improve the predictability of rainfall by developing
deep learning models.
First, the purpose will be to collect data from different origins, we will also need to preprocess the data in order to
transform them in a format more suitable and meaningful for future analysis and model training.
By trying, comparing and modifying different models, the final goal is to find the most accurate way to predict
the precipitation in the region, and if possible extreme precipitation while taking into account spatio-temporal
variability, what are the key oceanic and atmospheric variables to consider, and to what extent can these models
outperform traditional forecasting approaches.
Jury : Franck Ruffier, Maël Godard, Luc Jaulin, Gilles Le Chenadec
Celian Daligault
Dates : Du 4/2/2025 au 9/30/2025
Laboratoire ou Entreprise : CNRS-AIST JRL(Joint Robotics Laboratory)
Titre du stage : Study on Software Integration of Versatile Kinematics Structure Systems
Tuteur école : Luc Jaulin
Jury : Franck Ruffier, Lionel Lapierre, Simon Rohou, Fabrice Le Bars, Benoît Zerr, Luc Jaulin
Marie Dubromel
Dates : Du 3/31/2025 au 9/5/2025 en Australie
Laboratoire ou Entreprise : University of Adelaide et Naval Group Pacific
Confidentiel : rapport sur internet
Titre du stage : Development of Adaptive Human-Machine Interaction and Multi-User Capabilities in LOTUSim for Maritime Human-Drone Teaming
Encadrement : Cédric Buche
Tuteur école : Luc Jaulin
Résumé : The internship is related to the development and evaluation of LOTUSim, a modular and real-time simulation platform designed to support research in multi-agent
autonomous robotics and human-machine interaction.
The system enables collaborative operations between multiple users and robotic agents, such as Unmanned
Underwater Vehicles (UUVs), surface drones, and aerial systems, within a shared,
high-fidelity 3D environment. Key contributions include the integration of physio-
logical and cognitive user tracking tools (such as eye trackers, leap motion), enabling
adaptive interfaces that respond to the operator’s state in real time. Additionally,
the implementation of a multi-user architecture, to facilitate distributed simulation
and shared situational awareness among operators.
Jury : Laurent Hardouin (président), Simon Rohou, Luc Jaulin, Juliette Grosset (Naval Group Pacific)
Gabriel Dugué
Dates : Du 3/10/2025 au 8/15/2025
Laboratoire ou Entreprise : NUSENSE, Brest
Confidentiel : Non, pas diffusé sur internet
Titre du stage : Tracking and Clustering Module for Automotive RADAR: Application to vehicle classification and traffic analysis
Encadrant : Julien Coudrat, Romain Bodec
Tuteur école : Luc Jaulin
Résumé : This work presents the development of a clustering and tracking module for automotive
RADAR, designed as an interpretative layer for object detection and traffic analysis. The goal of
the project is to process raw RADAR detections and transform them into higher-level information
such as individual vehicle trajectories, which can later support applications in classification and
traffic monitoring.
The proposed approach combines clustering and multi-target tracking in order to transform raw
RADAR detections into coherent trajectories of vehicles. A density-based method, HDBSCAN,
is employed to group detections into clusters representing individual objects. The temporal
evolution of these clusters is then modeled using an Extended Kalman Filter (EKF) with
a constant-acceleration dynamic model. The association between predicted tracks and new
detections is performed through a gating mechanism and solved globally using the Hungarian
algorithm. Specific challenges encountered with real data, such as cluster merging or Doppler
velocity ambiguities, are analyzed and addressed with dedicated solutions.
The module was first validated on simulated RADAR datasets, which demonstrated consistent
clustering and robust tracking of vehicle trajectories. Real-world datasets revealed additional
difficulties, highlighting the importance of testing in realistic conditions.
Future work will focus on quantitative validation with labeled datasets, performance evaluation
metrics, and improvements to the gating and clustering modules in order to handle denser and
more complex traffic scenarios.
Jury : Franck Ruffier, Maël Godard, Quentin Brateau, Lionel Lapierre, Simon Rohou, Luc Jaulin, Julien Coudrat (NUSENSE), Romain Bodec (NUSENSE)
Thibault Edouard
Dates : Du 2/3/2025 au 8/1/2025, à Toulouse
Laboratoire ou Entreprise : ALTRAN TECHNOLOGY & ENGINEERING CENTER
Confidentiel : Non, pas sur internet
Titre du stage : Implementation of Bearing-Based Riccati Observers for Drone Pose Estimation
Encadrant : Sifeddine Benahmed
Tuteur école : Luc Jaulin
Résumé : As part of my engineering degree, I completed a six-month internship at Capgemini Engineering
in Blagnac, France. The objective of this internship was to enable autonomous indoor drone flight,
a challenge due to the absence of GPS signals. To achieve this, we estimated the drone’s state
at each time step — including its position, velocity, and orientation. A state observer based on a
discrete-time Kalman filter (using the Riccati equation) was developed to estimate the drone’s state in
the world frame. This observer requires inputs such as linear acceleration, angular velocity, and bearing
measurements, which can be obtained through visual or acoustic methods. In our case, bearings were
computed using AprilTag detections from a stereo camera, which provided 3D coordinates, including
depth — something not possible with a monocular camera. Initial tests were performed using simulated
values and ideal bearing measurements. Later, publicly available datasets from GitHub were used to
better simulate real-world conditions, including noise, bias, and data imperfections. Particular attention
had to be paid to coordinate frame transformations (IMU, body, camera, world) to ensure proper
alignment of vectors at each processing stage. The developed observer estimates a 15-dimensional state
vector: the first 3 entries represent position in the body frame, followed by 3 components of velocity in
the same frame. The remaining 9 entries allow reconstruction of the rotation matrix from the body to
the world frame. From this matrix, we can ultimately compute the drone’s position and velocity in the
world frame, which is the main goal of the system.
Jury : Franck Ruffier, Lionel Lapierre, Simon Rohou, Fabrice Le Bars, Benoît Zerr, Luc Jaulin
Juliette Faury
Dates : Du 3/17/2025 au 8/29/2025
Entreprise : THALES AVS FRANCE SAS - 86100, Chatellerault
Confidentiel : Oui
Titre du stage : Optimisation de missions de navigation haute performance sur drone sous-marin
Encadrant : Emmanuel Nguyen
Tuteur école : Luc Jaulin
Résumé : La navigation inertielle est une méthode de détermination de la position et de l’orientation d’un
objet en intégrant des mesures issues d’accéléromètres et de gyromètres pour calculer les mouvements
à partir d’un point de départ. Cette technique est autonome car elle n’implique pas l’utilisation de
signaux externes pour fonctionner. Ils peuvent cependant être utiles afin d’améliorer les performances,
d’où l’intérêt de l’hybridation avec des capteurs externes. Dans notre cas, nous utiliserons parfois
l’hybridation avec le GNSS et l’hybridation avec le DVL.
Jury : Luc Jaulin
Laura Jouvet
Dates : Du 3/24/2025 au 8/15/2025
Laboratoire : Université du Québec à Montréal
Confidentiel : Oui, rapport sur internet
Titre du stage : Utilisation de la robotique et de l’intelligence artificielle pour améliorer le bien-être des vaches laitières au Canada
Encadrante : Hayda Almeida
Tuteur école : Luc Jaulin
Résumé : Ce rapport présente mon projet de fin d’études que j’ai réalisé durant 5 mois au
sein de la Chaire Well-E à l’Université du Québec à Montréal au Canada. Le but de mon
projet était de développer une simulation d’un robot que la chaire utilisera à terme dans
les exploitations de vaches laitières afin de surveiller le comportement des vaches pour
améliorer leur bien-être physique et mental. Ce stage a impliqué le choix d’un robot, d’un
simulateur et d’un environnement de simulation, l’intégration des algorithmes de la chaire
à l’architecture ainsi que le développement et l’intégration d’algorithmes de navigation
du robot choisi dans le milieu d’application. Ce projet multidisciplinaire a englobé de la
simulation, du développement d’une architecture en ROS2, de l’asservissement visuel, du
machine learning, de la gestion de projet autonome ainsi que de la collaboration au sein
d’un groupe de recherche. Enfin, il a contribué à l’amélioration et à la validation de mes
compétences en vue de mon futur professionnel.
Jury : Franck Ruffier, Lionel Lapierre, Simon Rohou, Quentin Brateau, Maël Godard, Luc Jaulin
Titouan Leost
Dates : Du 3/17/2025 au 9/5/2025
Laboratoire ou Entreprise : ENGLAB (Strasbourg)
Encadrant : Florian Philippe
Confidentiel : Non : rapport sur internet
Titre du stage : Etude de traversabilité d'un véhicule tout-terrain
Tuteur école : Luc Jaulin
Résumé : Autonomous ground robot navigation in unstructured environments is an active
research field with numerous applications in agriculture, defense, and space exploration.
This final year project focuses on estimating the traversability of all-terrain environments
using proprioceptive criteria. This approach aims to complement exteroceptive analysis.
The work was conducted on KIPP, an instrumented all-terrain platform. Three criteria
were studied and implemented : slip, rolling resistance, and roughness. The obtained
results are promising and demonstrate the relevance of the approach, although many
improvements are still possible.
Jury : Laurent Hardouin (président), Simon Rohou, Luc Jaulin, Florian Philippe (ENGLAB)
Basile Mollard
Dates : Du 3/12/2025 au 8/29/2025
Laboratoire ou Entreprise : Université Claude Bernard - Lyon 1
Titre du stage : Multi-modal explainable machine learning for exploring consciousness recovery of coma patients
Tuteur école : Gilles Le chenadec
Jury : Franck Ruffier, Lionel Lapierre, Simon Rohou, Fabrice Le Bars, Benoît Zerr, Luc Jaulin
Antoine Morvan
Dates : Du 3/31/2025 au 8/31/2025
Laboratoire ou Entreprise : ENSTA - Ecole nationale supérieure de techniques avancées, Brest
Confidentiel : Non
Titre du stage : Modélisation et contrôle d’un système robotique autonome boîte noire pour la robotique d’essaim :
le cas pratique de l’hoverboard
Encadrant : Luc Jaulin
Tuteur école : Luc Jaulin
Résumé :
Ce travail présente la conception et la mise en œuvre d’une plateforme robotique autonome basée
sur un hoverboard issu de la grande distribution. L’approche adoptée
repose sur une modélisation empirique d’un système de type boîte noire, permettant de
contourner l’absence d’accès à l’architecture électronique interne et aux algorithmes de
contrôle d’origine. La plateforme développée associe une architecture mécanique dédiée,
une électronique embarquée modulaire et une logique logicielle organisée autour de ROS 2,
intégrant un observateur de Kalman pour la fusion de données multi-capteurs.
L’hoverboard a ainsi été transformé en un vecteur autonome capable d’atteindre des
objectifs GPS prédéfinis. Les premières expérimentations, basées uniquement sur le GNSS
et le gyroscope, ont mis en évidence les limites liées à l’imprécision et à la faible fréquence
des capteurs low-cost. L’intégration d’un magnétomètre a ensuite permis d’améliorer significativement
la robustesse du guidage et la stabilité des estimations de cap. Toutefois, la
dépendance au GNSS demeure une contrainte majeure et la conception mécanique actuelle
reste perfectible.
Les résultats obtenus montrent qu’il est possible de concevoir une plateforme peu coûteuse,
reproductible et adaptée à des applications futures en robotique d’essaim.
Jury : Laurent Hardouin (président), Simon Rohou, Benoît Clément, Quentin Brateau, Maël Godard, Taddeo Guerrin, Luc Jaulin
Océan Noel
Dates : Du 5/2/2025 au 10/31/2025, à Montpellier
Laboratoire ou Entreprise : Université de Montpellier - LIRMM
Confidentiel : Non, rapport sur internet
Titre du stage : Dexterous objects manipulation learning for a humanoid robot hand
Encadremennt : Abderrahman Kheddar
Tuteur école : Gilles Le chenadec
Résumé : The internship is in collaboration
with Honda Research, in preparation for a future PhD. The objective was to investigate
reinforcement learning approaches for dexterous object manipulation with a humanoid robot
hand. After introducing the context, motivations, and challenges of this task, the report reviews
the state of the art in both manipulation and continual learning, and details the chosen simulation
framework, agents, and training setup. Experimental results are discussed, along with identified
limitations, leading to the exploration of continual learning strategies and a novel approach. The
report concludes with current findings and perspectives for future work.
Jury : Simon Rohou, Laurent Hardouin (président), Titouan Belier, Quentin Brateau, Taddeo Guerrin, Luc Jaulin
Camilo Ortiz
Dates : Du 3/31/2025 au 10/3/2025, à Paris
Laboratoire ou Entreprise : CNES
Confidentiel : Non : rapport sur internet
Titre du stage : Simulation, Apprentissage et Transfert au réel d’interfaces robotiques
Encadrant : Laurent Boireau
Tuteur école : Luc Jaulin
Résumé : The space industry, historically based on expendable launch vehicles, is undergoing a major
transformation with the development of reusable launchers. These new systems significantly
reduce the cost of access to space while decreasing the environmental impact associated with
the production and disposal of launchers after each mission. In this context, CNES, the French
space agency, has initiated projects such as Callisto and Themis to develop, test, and validate
key technologies that will be needed to design future reusable launch vehicles.
One of the major challenges for these new launchers lies in automating recovery and securing
procedures after landing. This involves the use of potentially autonomous robots capable of
performing critical and complex operations such as electrical and fluidic reconnections. These
tasks are essential to secure the launchers after their return to Earth and to prepare them for
reuse.
Jury : Laurent Hardouin (président), Laurent Boireau (CNES), Simon Rohou, Luc Jaulin, Taddeo Guerrin, Maël Godard
Gaétan Pérez
Dates : Du 3/17/2025 au 8/29/2025
Laboratoire ou Entreprise : LAAS, Toulouse
Encadrant : Félix Ingrand
Confidentiel : Non, mais pas de rapport sur internet car publication en cours
Titre du stage : Acquisition multi-capteurs et traitement de données pour la modélisation 3D de fumée
Tuteur école : Luc Jaulin
Résumé : Every year, hundreds of thousands of hectares are devastated by wildfires, causing severe impacts on
biodiversity and major economic losses. In this context, rapid and effective response is essential. The
FIREFLIES project, jointly conducted by LAAS-CNRS and ENAC, aims to develop methods for
wildfire analysis using a fleet of drones, in order to provide accurate and timely information for optimal
intervention. A key component of this project focuses on the 3D reconstruction of smoke plumes and
the prediction of their evolution from image and 3D LIDAR data. This report presents the work carried
out during a 24-week internship, dedicated to collecting LIDAR and image data of smoke plumes for
integration into a 3D reconstruction pipeline developed by Lou Denis. An experimental setup was
designed to capture data in controlled or semi-controlled environments, and methods for dynamic
object segmentation in static scenes as well as point cloud sequence evolution prediction were explored.
Jury : Laurent Hardouin (président), Simon Rohou, Luc Jaulin, Maël Godard, Hugo Laplagne
Simon Philibert
Dates : Du 3/17/2025 au 8/22/2025
Laboratoire ou Entreprise : FANLAB (laboratoire d’innovation de la force d’action navale), Marine nationale, Toulon
Confidentiel : Non, mais pas diffusable
Titre du stage : Dronisation d’embarcations
Encadrants : Laetitia Collodet
Tuteur école : Luc Jaulin
Résumé : Au sein du laboratoire d’innovation de la Force
d’Action Navale mon Projet de Fin d’Études a été une expérience particulièrement enrichissante.
Sur les questions techniques la diversité des tâches, la mise en pratique
permise par le recours aux essais, l’incitation à travailler en autonomie et à être force de proposi-
tion m’ont permis de progresser et d’apprendre. La gestion de plusieurs projets simultanément a
été l’occasion de metrre à l’épreuve mes capacités d’organisation. La collaboration avec d’autres
organismes dans nos travaux et le contact direct avec les "clients" m’ont beaucoup enseigné
quant aux difficultés qui peuvent survenir et la façon de les dépasser pour travailler efficacement.
Enfin, la confiance accordée par le FANLab à chacun de ses membres dans la représentation de
l’unité a été très gratifiante. Ça a été pour moi une première véritable activité de vulgarisation
de mon travail auprès de publics variés, ce qui me sera très utile tout au long de ma carrière
d’ingénieur.
Aujourd’hui, grâce au travail que mes collègues et moi avons fourni pendant ces derniers
mois, le pôle mécatronique du FANLab de Toulon, qui n’existait pas avant mon arrivée, s’est
impliqué dans un grand nombre de projets. Nous avons de beaux résultats dans le domaine
des drones avec une connaissance des drones aériens à voilure fixe et des quadricoptères, des
drones de surface et s’embarque dans le domaine sous-marin avec la conception d’un AUV.
Les projets que nous avons commencé se poursuivent malgré la fin des stages avec l’arrivée
de deux alternants que nous avons contribué à recruter dès leur premier entretien de candidature.
L’immersion au sein de la Marine nationale a été passionnante, j’ai visité des bâtiments
emblématiques de la Force d’Action Navale comme le porte-avions Charles de Gaulle et des
frégates de type FREMM, FREMM-DA et FLF mais aussi le Tourville, le plus récent sous-marin
nucléaire d’attaque (SNA) de classe Suffren. J’ai découvert les métiers de la Marine dans leur
grande diversité en travaillant au contact de marins de tous grades, des matelots aux amiraux
et de civils de la défense.
Jury : Franck Ruffier, Lionel Lapierre, Simon Rohou, Luc Jaulin, Laetitia Collodet (FANLab))
Ylona P.
Dates : Du 3/17/2025 au 8/30/2025
Entreprise : EXAIL SAS, Sixfour les plages
Confidentiel : Non, mais pas sur Internet
Titre du stage : Multi-target tracking
Encadrante : Charlotte Samacoits
Tuteur école : Luc Jaulin
Résumé : This internship focused on evaluating and integrating several multi-target tracking algorithms
within the Cortix Sense architecture for obstacle detection in surface robotics. A tracking pipeline
was built using detections from AIS, lidar, radar and IR camera sensors, then compared to the
legacy implementation (Simple Gating) and a multi-hypothesis tracking (MHT). Performance
was measured using metrics. The results show that MHT improves speed accuracy but increases
false negatives, while the legacy tracker offers better responsiveness but lower speed accuracy.
Jury : Laurent Hardouin (président), Maël Godard, Simon Rohou, Luc Jaulin
Aimé Randriamoramanana
Dates : Du 3/17/2025 au 9/5/2025 à Bordeaux
Laboratoire ou Entreprise : NIMBL'BOT
Confidentiel : Oui
Titre du stage : Perception et planification de trajectoire pour un robot hyper-redondant
Encadrant : Grégoire Milliez
Tuteur école : Luc Jaulin
Résumé :
The aim of this internship is to develop a perception module enabling autonomous 3D reconstruction of constrained environments,
such as small pipes or narrow industrial structures. When performing sample collection or scanning in confined spaces,
it is essential to accurately account for the environment to ensure precise robot localization and avoid collisions.
The internship focuses on the autonomous scanning of the environment using the NB-55, a hyper-redundant modular robot
developed by Nimbl’Bot. The study investigates and compares different
algorithmic approaches for enabling the robot to autonomously perceive its surroundings and generate
3D reconstructions.
To enhance the robot’s capabilities in constrained environments, control algorithms should be analyzed
and fine-tuned to allow real-time obstacle avoidance and accurate mapping, ultimately improving the
robot’s operational autonomy and safety.
Jury : Laurent Hardouin (président), Luc Jaulin
Harendra Rangaradjou
Dates : Du 3/17/2025 au 8/29/2025
Laboratoire : CNRS, LASS, Toulouse
Confidentiel : Non, rapport sur internet
Titre du stage : Génération de trajectoires et commande de robots mobiles pour l’évitement d’obstacles dynamiques
Encadrant : Martín Mujica
Tuteur école : Luc Jaulin
Résumé : This internship is the development of a distinct solution for the coordination of a mobile
manipulator’s movements in a dynamic environment. The implementation of path planning,
control, and guidance algorithms for the mobile base of the robot has to be done.
Jury : Laurent Hardouin (président), Lionel Lapierre, Simon Rohou, Fabrice Le Bars, Benoît Zerr, Luc Jaulin
Ambre Ricouard
Dates : Du 3/10/2025 au 8/29/2025
Laboratoire ou Entreprise : MBDA FRANCE
Confidentiel : Oui
Titre du stage : Stage Electronique : Spécification d'un Chargeur de contremesures pour entrainement
Encadrant : Xavier Drouault
Tuteur école : Luc Jaulin
Résumé : Assurez des échanges avec les différents bureaux d'études internes ou sous-traitants
pour assurer la faisabilité de la solution et préparer la conception d’un équipement de série ;
Mettez au point une maquette puis présentez le concept aux différents utilisateurs potentiels
(clients, support client, programme, …) ;
Rédigez la spécification technique répondant au besoin ;
Préparez les documents de recette et d'acceptation de la fourniture ainsi que la documentation utilisateurs.
En transverse, vous aurez la possibilité de soumettre vos idées et de faire émerger des sujets
qui s’inscriront dans le cadre innovant de l’entreprise.
Des connaissances en logiciel (C++, C#, Python) ainsi qu'en impression 3D (CAO) serait un plus.
Compte tenu de l'environnement international de la société, un bon niveau d'anglais est requis.
Jury : Luc Jaulin
Léa Rion
Dates : Du 3/31/2025 au 9/5/2025
Entreprise : THALES DMS France SAS, Brest
Confidentiel : Non, pas de diffusion
Titre du stage : SLAM par méthodes ensemblistes pour sonar de Guerre des mines
Encadrant : Benoît Desrochers
Tuteur école : Simon Rohou
Résumé : Résoudre un problème de SLAM par méthode ensembliste.
Le SLAM qui est une méthode de localisation et cartographie, est particulièrement
adaptée au milieu sous-marin et donc aux applications de guerre des mines. Jusqu’à présent
l’association des détections et des rails est faite manuellement par un opérateur grâce
à des prises de vue d’amers. Cependant, l’apparence et les informations récoltées sur les
images sonar ne suffisent pas pour avoir une association certaine. Nous cherchons donc
à automatiser cette association. De plus, grâce à l’utilisation du calcul par intervalles
et de la propagation des contraintes nous pouvons nous assurer de la bonne association
des détections. En effet, les prises de vue des amers présentées à l’opérateur en aval sont
nécessairement groupées sans erreur. Le traitement humain en est donc facilité contrairement
aux méthodes probabilistes qui peuvent présentées de fausses associations. Ensuite,
les tests réalisés sur deux missions différentes nous ont permis de quantifier l’efficacité du
système, sa robustesse et ses limites.
Jury : Franck Ruffier, Lionel Lapierre, Simon Rohou, Benoît Desrochers, Luc Jaulin
Salah El Din Sekar
Dates : Du 3/10/2025 au 9/10/2025 à Sète
Laboratoire ou Entreprise : FORSSEA ROBOTICS
Confidentiel : Non, attente de réponse pour diffusion sur Internet
Titre du stage : Advanced Control Strategies for ROVs : Tackling Integral Windup and Disturbances
Encadrant : Ian McElroy
Tuteur école : Luc Jaulin
Résumé : In maritime operations, water turbulence
significantly hinders system control, complicating navigation in such environments. A
key challenge arises from integral windup, a phenomenon that degrades control performance.
The primary objective of the internship is to develop and implement a solution
to mitigate this issue.
Jury : Laurent Hardouin (président), Simon Rohou, Luc Jaulin
Luc-André Terrine
Dates : Du 3/17/2025 au 8/31/2025 à Brest
Laboratoire : ENSTA - Ecole nationale supérieure de techniques avancées
Confidentiel : Non
Titre du stage : Scan et localisation d’un ROV sur une paroi par flux optique
Encadrant : Christophe Viel
Tuteur école : Luc Jaulin
Résumé : L’objectif de ce travail est d’évaluer la faisabilité d’une odométrie visuelle par flux optique
dans un contexte sous-marin, et plus particulièrement lors du déplacement d’un robot le long d’une paroi.
Malgré les contraintes liées à la turbidité, à la luminosité et à l’éclairage artificiel, les expérimentations
menées montrent que cette approche peut fournir des résultats exploitables dans des conditions bien
définies.
Les tests réalisés mettent en évidence que la texture de la surface observée, le maintien
d’une vitesse faible et un éclairage minimal sont des éléments clés pour garantir la fiabilité des
estimations. Dans ce cadre, l’odométrie obtenue peut être jugée satisfaisante sur de courtes distances.
Cependant, certaines limites persistent, notamment le décrochage de la paroi, qui introduit des
mouvements de rotation non encore intégrés dans le calcul. De ce fait, l’application reste restreinte à
des parcours courts (quelques mètres) et demande à être renforcée pour envisager une utilisation à
plus grande échelle.
Ces résultats constituent néanmoins une base encourageante, et ouvrent la voie à des perspectives
d’amélioration, en particulier par l’intégration de capteurs complémentaires et le développement de
méthodes plus robustes, afin d’élargir le champ d’application de cette odométrie en environnement
sous-marin.
Jury : Lionel Lapierre (président), Simon Rohou, Quentin Brateau, Maël Godard, Hugo Laplagne, Luc Jaulin
Main Tihami Ouazzani
Dates : Du 3/24/2025 au 8/29/2025
Laboratoire ou Entreprise : GEOCUE GROUP INC.
Confidentiel : Oui
Titre du stage : Integrating LIO-SAM for LiDAR-IMU Odometry and Mapping:
Proof-of-Concept in GeoCue Handheld Data
Encadrant : Rabine Keyetieu
Tuteur école : Luc Jaulin
Résumé : This internship will focus on improving the quality of results produced by the GeoCue SLAM system in C++. The
intern will begin by reviewing key research papers to gain a deeper understanding of SLAM methodologies and
their implementation. After building foundational knowledge, the intern will work on enhancing the accuracy,
robustness, and consistency of the system's output
Jury : Laurent Hardouin (président), Rabine Keyetieu et Luc Jaulin
Adrian Vanalli Carraro
Dates : Du 3/31/2025 au 8/29/2025
Entreprise : ALTEN, Grenoble - 92310
Confidentiel : Oui
Titre du stage : Conception et simulation numérique d’usines
Encadrant : Julien Groger
Tuteur école : Luc Jaulin
Résumé : The industrial environment is central to numerous projects focused on optimization
and product development within factory settings. The validation of such projects of-
ten relies heavily on the simulation of these environments. Having access to a reliable,
consistent, and flexible industrial simulator therefore represents a major strategic ad-
vantage for any company.
The objective of this project is to lay the groundwork for a suite of tools developed
internally at Alten, aimed at meeting the diverse needs of various potential users within
the company. This suite is intended to support both the creation of factory mock-ups
and their simulation. To achieve this, the project explores various development concepts,
leveraging programming languages such as C++ and Python, the Qt framework, and
tools like Blender and Godot.
Jury : Laurent Hardouin (président), Antoine Barrier, Julien Groger et Luc Jaulin