Orientation 1
Apprentissage machine pour la reconnaissance d’activités-Cette orientation regroupe des thématiques visant à faire progresser l’apprentissage machine sous divers angles de recherche. La première vise à rendre les modèles d’IA développés plus globalement généralisables. Dans notre contexte, elle réfère spécifiquement à la possibilité d’utiliser ce modèle avec de nouvelles personnes dans plusieurs types d’habitations. La seconde thématique concerne l’augmentation de données. Celle-ci réfère à l’objectif d’exploiter conjointement diverses sources de données, diverses méthodes d’extraction de caractéristiques et divers algorithmes de filtrage, dans le but d’augmenter l’expressivité (discrimination) des ensembles de données. Enfin, la troisième thématique entoure la création d’empreintes digitales, visant à pouvoir identifier de façon unique un résident et de savoir concrètement s’il se situe dans un contexte multi-personnes et d’adapter les interventions en conséquence des informations obtenues
Orientation 2
Amélioration et investigation de nouvelles technologies-Cette orientation de recherche s’arrime autour de l’investigation de technologies. En somme, une amélioration au niveau de la capture de données brutes se solde en une meilleure capacité sensorielle pour mon développement d’intelligence artificielle, donc en une meilleure représentation du monde réel. La première thématique vise directement l’exploitation de divers capteurs. Il s’agit d’expérimenter avec des technologies plus complexes généralement ignorées dans notre discipline (lidar, RFID, radars UWB, etc.). La seconde thématique vise plus spécifiquement la création et l’assemblage de modules de capteurs pouvant s’apparenter à des nœuds de capteurs autosuffisants (capacité de calcul, mémoire et batterie). On peut voir ces modules ou nœuds comme des versions personnalisées des technologies commerciales, sur lesquels nous avons le contrôle entier des données brutes, de leur récolte et de leur transformation. Cet aspect est important au point de vue des ramifications éthiques de notre domaine de recherche.
Orientation 3
Applications de l’intelligence ambiante aux problématiques de santé-Cette orientation de ma programmation concerne des applications concrètes pour le bien social, mais surtout pour le milieu de la santé. Cette orientation se découpe en trois thématiques principales de recherche : la première comprend l’application des techniques développées pour résoudre des problèmes concrets et immédiats. Cette thématique se définie par le transfert technologique et vise à valoriser les travaux issus de ma programmation. La seconde thématique vise plutôt le déploiement en milieu réel de versions simplifiées des technologies d’habitats intelligents et des modèles d’apprentissage machine. Cette thématique a une vocation de maturation technologique. Finalement, la troisième thématique vise l’acquisition de connaissances humaines et sociales portant sur les technologies ambiantes et sur les clientèles activement impliquées dans leur utilisation et leur conception.
Ensembles de données
Dans nos travaux sur les habitats intelligents et sur les technologies d’assistance, nous avons réalisé qu’il était très difficile de collecter des données de bonne qualité. De plus, il existe une multitude de technologies et de méthodologies de collecte qui nécessitent toutes d’être convenablement explorées. Autrement, les articles scientifiques proposent des solutions difficiles à reproduire et tester. Afin de contribuer à réduire ce problème, notre équipe tente de partager les données collectées lors que différents projets en autant que les certifications éthiques nous l’autorisent. Les instructions pour l’utilisation des ensembles de données sont incluses. L’utilisation de celles-ci doit être reconnue dans vos publications.
- À VENIR PROCHAINEMENT
- GoodTechs 2019 – Capteur de vitesse de marche – Article original
- SmartWorld 2017 – Reconnaissance de sols – Article original
- PETRA 2016 – Labeled RFID datasets of trajectories in a smart home
- PAKDD 2016 – Labeled datasets for fine-grained positioning with Passive RFID Tags
- IJDSN 2015 – Labeled RFID & Electrical appliances datasets of five ADLs
Exemples de projets en cours et terminés
Reconnaissance des activités de la vie quotidienne et de détection de chutes au sein d’habitats intelligents équipés de radars UWB.
Déploiements d’habitats intelligents au sein de milieux de vie réels.
Modules constitués de caméras thermiques pour le suivi anonyme de profils dans une ville intelligente.
Kévin Bouchard, chercheur 