Génération de mouvement humain et création de bases de données à partir de techniques d’IA pour la reconnaissance d’actions dans un contexte industriel
Dans le contexte de l’industrie 4.0, l’analyse, la reconnaissance et la prédiction des actions humaines prennent une place de plus en plus importante pour la prise de décision et une interaction homme-machine fluide et intuitive. Cependant, la reconnaissance d’actions humaines nécessite de grandes quantités de données pour entraîner des architectures d’apprentissage profond. Le but de la thèse est de générer, pour des cas industriels, de grandes bases de données de mouvements grâce à lapos;animation de mannequins numériques, et à partir dapos;un nombre réduit d’exemples issus de captures de mouvements en réalité mixte. Ces bases de données serviront à entraîner des architectures de reconnaissance d’actions, pour des applications industrielles d’interaction homme-machine, de génération de gammes de montage, et d’évaluation ergonomique.