Clémentin Boittiaux

Doctorant

Financement : Ifremer
Mail : Clementin.Boittiaux (at) ifremer.fr

Bio

Diplômé ESIEE Paris 2020

Recherche

Sujet de thèse : Conception de fonctionnalités autonomes de navigation du robot Coral, profondeur 6000 m, à partir d’amers détectés sur fond marins
Directeur de thèse : Vincent HUGEL
Co-encadrante : Claire DUNE
Co-encadrant : Aurélien ARNAUBEC
Co-encadrant : Ricard MARXER

Aujourd’hui, la grande majorité des fonds océaniques reste inexplorée. Les conditions d’exploration y sont, en effet, difficiles de par les nombreux défis scientifiques que présente cet environnement. Afin de mieux connaître et comprendre les grands fonds, de nombreux outils ont été développés au fil des années afin de récolter des échantillons, vidéos et données physiques dans les abysses. Récemment, en 2020, la flotte océanographique française s’est agrandie avec Ulyx, un véhicule autonome sous-marin (AUV) capable de plonger jusqu’à 6000 m.

L’objectif d’un tel appareil est de pouvoir décider seul de certaines actions à effectuer en fond pour remplir à bien la mission qui lui a été confiée auparavant. Pour ce faire, Ulyx devra, entre autres, être en capacité de se positionner avec précision et reconnaître les lieux d’intérêt scientifique qui lui ont été indiqués. Cependant, les systèmes de positionnement utilisés actuellement tel que l’USBL ont une incertitude de l’ordre de 10 m lorsqu’ils sont déployés à de grandes profondeurs.

Cette thèse vise donc à réduire cet incertitude en intégrant de l’intelligence embarquée à bord de l’AUV. Avec les dernières grandes avancées technologique en deep learning, notamment dans le domaine de la vision, nos recherches portent sur la reconnaissance de points d’intérêts déjà visités et la localisation du véhicule dans ces mêmes régions. Nos efforts sont concentrés sur des approches centrées sur la vision, ce qui présente de nombreux défis dans cet environnement. L’un d’eux est par exemple de rendre nos modèles robustes à des changements topologiques ou physiques qui peuvent survenir d’une année sur l’autre.

 



4 documents

Articles dans une revue

  • Clémentin Boittiaux, Claire Dune, Maxime Ferrera, Aurélien Arnaubec, Ricard Marxer, et al.. Eiffel Tower: A Deep-Sea Underwater Dataset for Long-Term Visual Localization. The International Journal of Robotics Research, 2023, ⟨10.1177/02783649231177322⟩. ⟨hal-04089339⟩
  • Clémentin Boittiaux, Ricard Marxer, Claire Dune, Aurélien Arnaubec, Vincent Hugel. Homography-Based Loss Function for Camera Pose Regression. IEEE Robotics and Automation Letters, 2022, 7 (3), pp.6242-6249. ⟨10.1109/LRA.2022.3168329⟩. ⟨hal-03654445⟩

Communications dans un congrès

  • Clémentin Boittiaux, Claire Dune, Aurélien Arnaubec, Ricard Marxer, Maxime Ferrera, et al.. Long-term visual localization in deep-sea underwater environment. ORASIS, Thanh Phuong Nguyen, May 2023, Carqueiranne, France. ⟨hal-04108737⟩
  • Clémentin Boittiaux, Paul Nguyen Hong Duc, Nicolas Longépé, Sara Pensieri, Roberto Bozzano, et al.. Multi-modal deep learning models for ocean wind speed estimation. 2020 MACLEAN: MAChine Learning for EArth ObservatioN Workshop, MACLEAN 2020, Sep 2020, Virtual online, France. ⟨hal-03104246⟩