L’ED SISMI propose le sujet de thèse suivant :

Intitulé du sujet : Virtualisation et intelligence artificielle pour une conduite autonome coopérative dans les réseaux véhiculaires post 5G/6G

Ce projet serait sous la direction de BRADAI Abbas de XLIM à l’Université de Poitiers

Co-directeurs renseignés : /

Les financements sont : Projet ANR SAFE

Le début de la thèse est prévu pour : 01/10/2022

Mots clés du sujet : Intelligent Transportation Systems, QoS, Networking, Deep Learning

Présentation du sujet : Dans le cadre du nouveau paradigme « compute-centric », nous envisageons dans cette thèse d’étudier la possibilité de pousser les calculs encore plus proches à l’utilisateur, en l’occurrence, les calculs embarqués dans le véhicule lui-même pour des tâches de conduite collaborative des Véhicules Autonomes Communicants. Ces tâches, principalement de type vision par ordinateur en utilisant l’IA, peuvent être réalisées par le véhicule d’une façon autonome s’il a les ressources suffisantes, comme il peut collaborer avec des véhicules voisins pour réaliser la tâche, et comme dernier recours, déléguer la tâche ou une partie au MEC. Pour atteindre ce but, des approches basées sur la virtualisation (containerisation) et l’IA seront investigués dans cette thèse.

Objectifs : – Analyse critique de l’état de l’art sur la virtualisation et l’allocation de ressources pour la conduite collaborative des véhicules autonomes.
– Proposition d’une nouvelle méthode (ou amélioration de méthode existante) de parallélisation des calculs de vision par ordinateur (basés sur IA) pour la conduite autonome en plusieurs sous-tâches.
– Proposition d’une approche centralisée (sur le MEC) de déploiement des sous-taches et allocation de ressources des conteneurs qui les hébergent sur plusieurs véhicules Vs. Sur des véhicules et MEC.

Description du sujet : Poussé par les récentes percées de l’Intelligence Artificielle (IA) et notamment l’apprentissage profond et ses applications dans de nombreux domaines tels que la vision par ordinateur et le traitement du langage naturel, il y a eu un intérêt croissant pour l’adoption de l’IA dans les réseaux mobiles ces dernières années. En effet, il est envisagé que l’IA jouera un rôle vital dans la 6G pour la gestion autonome du réseau (Zero touch networks [1], [2]) et à travers les différents services offerts par la 6G tel quel les véhicules Autonomes Connectés (VAC). En effet, les VAC s’appuient fortement sur utilisation de l’IA, par exemple, dans la perception de l’environnement pour éviter les accidents, la carte haute définition pour la navigation et la prise de décision de conduite autonome.
Les lourdes charges de calculs et également de stockage des applications liées à la conduite autonome dans les VAC peuvent être déchargées vers les stations MEC via des liaisons post 5G/6G à haut débit. Par exemple, les VAC peuvent transmettre les données des capteurs (caméras entre autres) aux MEC, qui traite les données et agrège les résultats de détection d’autres VAC, puis prend des décisions de conduite en temps réel pour les VAC ou simplement renvoyer les résultats de détection tels que les obstacles ou les dangers sur les routes. D’autre part, une approche collaborative, éventuellement coordonnée par la station post 5G/6G, entre les véhicules autonomes pour l’aide à la conduite (alerte d’obstacles, alerte véhicule venant de l’autre sens, …) peut être une approche plus efficace pour décharger encore plus le réseau et décharge même le MEC qui ne sera sollicité qu’en cas de manque de ressources dans les VAC. C’est dans ce contexte que s’inscrive cette thèse.
Dans le cadre du nouveau paradigme « compute-centric », nous envisageons dans cette thèse d’étudier la possibilité de pousser les calculs encore plus proches à l’utilisateur, en l’occurrence, les calculs embarqués dans le véhicule lui-même pour des tâches de conduite collaborative des VAC. Ces tâches, principalement de type vision par ordinateur en utilisant l’IA, peuvent être réalisées par le véhicule d’une façon autonome s’il a les ressources suffisantes, comme il peut collaborer avec des véhicules voisins pour réaliser la tâche, et comme dernier recours, déléguer la tâche ou une partie au MEC. Pour atteindre ce but, des approches basées sur la virtualisation (containerisation) et l’IA seront investigués dans cette thèse.

Compétences acquises à l’issue de la thèse : – AI for networking and telecommunication
– Ressource allocation and scheduling in networks

Présentation de l’équipe d’accueil : La thématique principale de l’équipe RUBIH s’oriente autour de l’optimisation de l’allocation des ressources dans les réseaux à grande échelle tels que l’Internet des Objets (IoT), la future 5G et au-delà et autour de la transmission des données massives (Big Data) de différents types (Qualité de Service).

Compétences souhaitées pour les candidats : – 5G
– Simulation des réseaux
– Notions de Deep learning

Pour plus d’informations et pour candidater, merci de contacter :

Date de dépôt : 13/03/2022 à 21 h 13 min