Modéliser et suivre l’état environnemental de la terre est une démarche nécessaire dans le but de comprendre les changements observés et agir en conséquence. Que ce soit dans les domaines de la climatologie (réchauffement global, conséquences locales dans les villes), de la pollution, de l’agriculture ou encore de la santé, l’observation à grande échelle via la télédétection (images satellites, aéroportées, drones par exemple) ou les capteurs locaux (stations météo au sol par exemple) est très utilisée.
Cependant, les modalités d’imagerie (RGB, infrarouge, radar, hyperspectral, …), la nature parfois désordonnée des données (nuages de points par exemple) ou encore la complexité des phénomènes observés (turbulence, milieu urbain) fait que l’extraction automatique d’information à partir des données n’est pas une tâche aisée. Comme dans beaucoup de domaines, la dernière décennie a apporté des solutions intéressantes pour mieux comprendre et interpréter les données satellites via notamment les réseaux de neurones profonds.
Dans cette intervention, les différents défis en observation de la terre, la diversité des données disponibles et les techniques d’extraction d’informations associées seront présentées.

Les techniques d'asservissement visuel consistent à commander les mouvements d'un système robotique via une boucle fermée sur des informations fournies par un capteur de vision. La présentation portera dans un premier temps sur les étapes ssentielles permettant de mettre en œuvre de telles techniques et sur le large spectre de leurs applications potentielles. La seconde partie portera sur un champ plus prospectif consistant à utiliser l'image brute en entrée de la loi de commande, évitant ainsi l'extraction de toutes mesures de type géométrique dans l'image.

Si marcher au milieu d'une foule paraît anodin et fait partie de notre quotidien, les règles qui la régissent le sont beaucoup moins. Alors que chaque individu déroule un comportement unique et différent en fonction de ses buts, de sa morphologie, de son humeur... la foule produit un tout unifié et auto organisé. Sans communication, nous sommes capables de nous éviter, de naviguer en groupe, d'anticiper notre trajectoire dans un environnement contraint et de l'adapter. Et si la densité évolue, alors les règles changent et la foule s'adapte.

Depuis presque 15ans, la société Golaem, issue de l'INRIA, tente de mettre des équations derrière ces règles afin de simuler les foules les plus réalistes et contrôlables possibles et de pouvoir peupler les séquences de nos séries et films préférés. À travers les marcheurs de Game Of Thrones, les chasseurs de prime de Mandalore ou les habitants de Zaun, nous reviendrons sur l'ensemble des travaux de recherche qui ont été menés pour arriver au pixel final diffusé sur nos écrans. Ces travaux pluri disciplinaires croisent aussi bien l'intelligence artificielle, que la cognition, les simulations de fluides, la simulation physique, la robotique, l'analyse géométrique, la génération procédurale...