Replica watches
Enac ecole nationale de l'aviation aeromorning
Liebherr Aerospace
Collins aerospace aeromorning 2024
Groupe-Liebherr-aeromorning.com
enac-aeromorning-slider
Liebherr Aerospace
collins-aerospace-aeromorning-2024
Le convertisseur de puissance électrique pour poste de pilotage de Liebherr à bord des familles Airbus A320 et A330
liebherr
Collins
AirFormation centre de formation Aeronautique
Collins
AirFormation-e-learning-centre-formation-aeronautique
previous arrow
next arrow

Avion de Combat du Futur : Earthcube retenu par la DGA pour deux projets d’étude IA et Deep Learning

5ème meilleure compagnie aérienne
FacebookTwitterLinkedInPinterest

Les deux projets menés par Earthcube dans le cadre de l’opération Man Machine Teaming (MMT) portent notamment sur l’application de l’IA et du deep learning pour la détection de cibles et l’optimisation des données issues de capteurs embarqués.

Paris, France — Le 4 décembre 2019 — Earthcube, la start-up spécialisée dans l’IA au service des applications critiques annonce avoir été sélectionnée par la Direction Générale de l’Armement (DGA) pour mener deux projets d’étude dans le cadre de l’initiative Man Machine Teaming (MMT) qui a pour objectif de faire émerger des leaders dans le domaine de l’Intelligence Artificielle, et notamment à destination du SCAF (Système de Combat Aérien du Futur).

Grâce à son expertise en matière d’IA, Earthcube a su convaincre un jury composé des Armées, de la DGA, de Dassault Aviation et de Thales et est la seule société à avoir remporté deux lots. Dans le cadre de ce programme soutenu par la DGA, Earthcube va appliquer son expertise poussée en IA et en traitement d’images aux deux projets d’étude suivants :

Apport des méthodes d’apprentissage multi-spectrales en imagerie satellite.

Cette étude s’intéresse aux techniques de deep learning permettant de réaliser de la détection d’objets ou de la segmentation sémantique d’images aériennes. L’objectif de l’étude est d’estimer le gain de performance induit par un apprentissage simultané sur des données images d’origines spectrales différentes (visible, Infrarouge, Imagerie RADAR, hyperspectral…) par rapport à une fusion a posteriori de réseaux entraînés séparément sur chaque type de données.

L’objectif de l’étude est d’optimiser l’utilisation des données issues des capteurs embarqués sur un aéronef en fonction des contraintes opérationnelles, et ainsi de développer une approche révolutionnaire pour combiner les signaux issus des différents capteurs, jusqu’à maintenant traités séparément. La technologie développée dans le cadre de ce projet permettra dans le futur de construire des systèmes embarqués plus robustes et fiables. Ces systèmes pourront bénéficier pleinement de la complémentarité entre les instruments optiques et radars qui pourront équiper les avions ou les drones mis en œuvre par les forces armées.

Apport des méthodes d’apprentissage issus d’algorithmes différents en imagerie satellite

Cette étude portera sur la fusion et la combinaison de résultats de classification issus d’algorithmes d’IA différents pour la reconnaissance de cibles en imagerie SAR (Radar à synthèse d’ouverture).

Deux types d’algorithmes en particulier seront évalués: d’une part des classifieurs basés sur des réseaux de neurones convolutionnels et d’autre part les classfieurs issus de méthodes de machine learning telles que les forêt aléatoires ou le gradient boosting.
L’objectif est d’estimer, par rapport à l’exploitation d‘un algorithme unique, le gain de performance induit par la fusion d’algorithmes orthogonaux, et de tirer partie des différentes technologies (Deep Learning, Machine Learning, et Computer Vision) pour avoir les meilleures performances en apprenant avec moins de données, tout en maximisant l’explicabilité. La technologie proposée pourra permettre au système de disposer d’une solution de classification automatique de cibles sur images SAR qui sera performante, et moins sujette à la variance.

« Le fait que nous soyons la seule société retenue sur 2 lots valide notre expertise technique dans les domaines de l’IA », déclare Arnaud Guérin, CEO et Cofondateur de Earthcube. « Nous sommes très heureux de participer à un programme extrêmement ambitieux qui a vocation à développer un système leader mondial de l’avion du futur, et d’avoir la possibilité de nous affirmer comme des leaders dans le domaine de l’IA ».

Sur 175 propositions émises par les industriels, dans le cadre de l’opération MMT, 19 projets ont in fine été sélectionnés pour des durées allant de 8 à 12 mois de travaux. Ils impliquent 16 ETI et PME, 8 startups, ainsi que 4 laboratoires répartis sur tout le territoire. Earthcube à été sélectionné pour mener deux projets. Dassault Aviation et Thales assureront la maîtrise d’oeuvre des projets.

Lancé par la DGA et pilotée par Dassault Aviation et Thales, l’opération Man Machine Teaming (MMT) est une initiative inédite qui a pour but de faire émerger des technologies d’intelligence artificielle (IA) et d’interface homme-machine (IHM), au profit de l’aviation de combat du futur. De la sorte, il renforce l’écosystème innovant national des laboratoires, ETI, PME et startups. MMT permet de faire émerger un écosystème industriel permettant aux innovations d’être détectées, évaluées, maturées et, à terme, intégrées dans les développements des futurs avions de combat, notamment dès la rénovation du Rafale à l’horizon 2030 puis dans le Système de combat aérien du futur (SCAF).

À propos d’Earthcube

Earthcube développe des solutions de surveillance basées sur l’analyse automatique d’informations géospatiales. En combinant l’état de l’art des techniques d’Intelligence Artificielle en traitement d’images et en traitement d’images, Earthcube permet à ses clients d’accéder à des informations plus précises et plus fiables, assurant ainsi des interventions plus rapides et moins coûteuses. Retrouvez plus d’informations sur https://www.earthcube.eu