Projet

IA pour la climatologie de l’environnement radiatif spatial : le projet VERSE

Présentation

Le projet VERSE de l’agence spatiale européenne (ESA) vise à développer des approches innovantes pour mieux caractériser l’environnement radiatif spatial que risquent de rencontrer les différents satellites au cours de leurs mission. Cet environnement est notamment marqué par l’impact des orages géomagnétiques issus de l’interaction entre le vent solaire et la magnétosphère terrestre.

Flottes de drones avec échanges passifs d’information : le projet ANR VORTEX

Le projet ANR VORTEX (Octobre 2023 – Mars 2028) a été sélectionné dans le cadre de l’appel 2023 sur les Thématiques Spécifiques en Intelligence Artificielle (TSIA) portant plus spécifiquement sur les « flottes intelligentes de drones » utilisant des moyens de communication non conventionnels (c’est-à-dire sans les moyens de télécommunication classiques) comme par exemple la vision.

Mobilité Robotique en Environnement Complexe : le Challenge MOBILEX

L'ONERA DTIS a été sélectionné en partenariat avec la PME bordelaise Génération Robots parmi les sept équipes participantes au Challenge MOBILEX sur la mobilité autonome des véhicules terrestres en environnement complexe. Ce challenge lancé fin 2023 et organisé conjointement par l'Agence de l’innovation de défense (AID) et l’Agence nationale de la recherche (ANR) comprend trois défis annuels de difficulté croissante qui évalueront les différentes solutions technologiques intégrées sur un démonstrateur robotisé mis à disposition de chaque équipe par la société Shark Robotics.

Apprendre à ordonnancer sous incertitudes : le projet Région Occitosched

Le projet Occitoshed est un projet Région Occitanie Readynov porté par l'entreprise toulousaine Jolibrain et auquel participent Agilea et l'ONERA. L'objectif est d'utiliser des techniques d'apprentissage par renforcement pour résoudre des problèmes d'ordonnancement classiques dans le domaine de la production. Ces problèmes peuvent être des problèmes d'atelier (Job Shop Scheduling Problem - JSSP) ou des variantes contraintes par des ressources limitées (Resource Constrained Project Scheduling Problem - RCPSP) dans lesquelles la durée des activités n'est pas fixée, par exemple à cause d'aléas. Les approches étudiées s'appuient sur des Graph Neural Networks, permettant ainsi de générer des ordonnancements robustes rapidement.

IA et planification pour les constellations de satellites d’observation : le PRF ACCEOS

ACCEOS s’intéresse à l’amélioration des performances des constellations de satellites agiles, tant du point de vue de la fréquence de revisite que de la qualité des acquisitions réalisées. Il se concentre sur la chaîne amont du système d'observation (avant le traitement des données au sol), et adresse plus précisément la planification sol et bord des satellites, la capacité de prise de vue de nuit, une prise en compte fine de la communication bord/sol, la prise en compte de la prévision de la couverture nuageuse à court et très court terme ainsi que la possibilité de simuler des constellations dans le SpaceLab.

Réseaux de neurones pour l’imagerie d'exoplanètes : le projet Alioth

Le projet Alioth est une action de recherche exploratoire de l’ONERA. Elle vise à étudier l’apport des réseaux de neurones profonds et les comparer/combiner aux modèles physiques pour l’estimation et le contrôle de surface d’onde pour un système d’imagerie à haut contraste. L’objectif global du projet dans lequel s’inscrit cette ARE est de créer une intelligence artificielle qui permettra un gain très significatif de détectivité d’exoplanètes.

IA dans les systèmes et appareils intelligents : le projet DeepGreen

La mission de DeepGreen est de réunir des partenaires français majeurs de la recherche et de l’industrie, fournisseurs de solutions matérielles et industriels créateurs de systèmes intelligents, afin de développer une plateforme logicielle dédiée à l’IA embarquée. La plateforme vise à offrir des solutions fiables et hautes performances pour déployer des applications d’IA embarquée à faible consommation d’énergie et de mémoire répondant aux exigences industrielles et environnementales. Utilisable par l’ensemble de l’écosystème industriel français et européen, cette plateforme permet de renforcer la souveraineté et la compétitivité des entreprises dans le secteur stratégique de l’IA embarquée.

IA pour la fédération de services d'observation de la Terre : le projet DOMINO-E

Le projet Horizon Europe DOMINO-E vise à résoudre les principaux problèmes de disponibilité et de réactivité de l'observation de la Terre depuis l'espace. La technologie DOMINO-E permettra l'accessibilité multi-mission d'une manière évolutive et automatisée qui permettra à l'utilisateur final de traiter une variété d'actifs d'acquisition en mettant en œuvre une couche de fédération multi-mission et multi-capteur et en utilisant des algorithmes d'ordonnancement et d'optimisation. L'orchestration entre les missions patrimoniales des utilisateurs et les missions tierces est basée sur des critères de réactivité, de persistance, de précision et de coûts, tandis que l'expérience utilisateur est améliorée grâce à des assistants cognitifs.

IA pour la prévision en météo de l’espace : le PRF FIRSTS

Le projet FIRSTS (Forecasting Ionosphere and Radiation belts Short Time Scale disturbances with extended horizon) est un Projet de Recherche Fédérateur ONERA dédié à la météorologie de l’espace, plus précisément, à la restitution et à la prévision de la dynamique des ceintures de radiations et de l’ionosphère sous influence de l’activité solaire. Il a été lancé en janvier 2023 pour une durée de 4 ans, et implique quatre départements scientifiques de l’ONERA (DPHY, DEMR, DTIS, DAAA). Il est coordonné par Sébastien Bourdarie (ONERA DPHY/ERS).

Apprentissage Statistique pour la Simulation et la Physique : le PRF MASSIPH

MASSIPH (pour Maitriser l'Apprentissage Statistique par la SImulation et la PHysique) est un projet de recherche transverse à l'ONERA, réunissant de nombreux départements afin de mettre en regard des techniques d'apprentissage et l'expertise de l'ONERA en science physique. La motivation de ce projet est que l'apprentissage (et plus globalement l'IA) devient un outils pour de nombreux domaines scientifiques qui en contre-parties peuvent être des cadres mieux poser pour étudier ces nouvelles techniques.