L04 - Capteurs intelligents

Nos capteurs vont devoir s’adapter aux évolutions des besoins liés aux changements rapides de l’environnement et des besoins opérationnels. Les temps de développement des capteurs sont longs et une solution pour optimiser les coûts de possession est de permettre une adaptation des capteurs pendant les phases d’exploitation. Les nouvelles techniques d’IA vont permettre de rendre nos capteurs apprenants et intelligents et ainsi d’évoluer avec leur environnement. Les conséquences de ces changements vont devoir être maîtrisées tant par les opérateurs, qui vont subir les évolutions et devront comprendre les nouveaux modes de fonctionnement que par les instructeurs qui vont devoir encadrer les évolutions des capteurs. L’aspect non déterministe va conduire à des changements de paradigmes notamment vis-à-vis des aspects de qualification ou de certification. La conduite des évolutions et la gestion des changements seront le leitmotiv des activités futures.

Dans le cadre des travaux du projet, trois de ces dimensions sont abordées qui sont d’une part, les capteurs cognitifs, d’autre part, les capteurs apprenants et enfin les problématiques de supervision de l’apprentissage. Une première liste des questions qui se posent aujourd’hui apparaît ci-dessous.

Dans ce qui suit, on appellera « suite de capteurs » l’ensemble des capteurs présents à bord d’un avion de chasse ou d’un drone de combat.

T01 - Capteurs cognitifs

En devenant apprenants et auto-adaptatifs, les capteurs aéroportés se dotent de fonctions d’analyse et d’apprentissage de leur environnement en temps réel. Ils disposent ainsi de capacités de reconfiguration automatique assurant l’optimisation de leurs performances. Dans le cadre de missions de plus en plus complexes, ils réduisent le besoin de formation des utilisateurs et optimisent leur charge de travail pendant la mission

  1. Prédiction des performances techniques

Pour que la suite de capteurs puisse évoluer, il faut qu’elle évalue les performances dans toutes les étapes de la mission en fonction des conditions rencontrées.

  1. Désignation croisée entre capteurs

Comment profiter des avantages respectifs des capteurs pour qu’ils s’améliorent en tant que suite de capteurs ?

  1. HUMS Capteurs

Les HUMS capteurs (Health & Usage Management System) doivent permettre un niveau de confiance élevé dans l’intégrité des informations issues des capteurs. Comment faciliter le maintien en condition opérationnel de la suite de capteur ?

Quel impact les systèmes multi-agents (SMA) pourraient avoir sur la planification et la gestion des ressources des suites de capteurs ?

  1. Sélection cognitive des modes de fonctionnement

Comment permettre à l’opérateur d’opérer un choix en pleine connaissance des conséquences et ce de façon naturelle, sans que l’opérateur ne soit nécessairement un spécialiste technique?

  1. Modes nouveaux accessibles

Comment faire collaborer des capteurs hétérogènes pour la détection, le pistage et l’identification? Comment utiliser au mieux les bases de données pour permettre des modes nouveaux ?

  1. Auto-adaptation du capteur à son environnement

Comment prendre en compte l’environnement, qu’il soit lié à des phénomènes naturels (Météo) ou à des brouillages intentionnels ou non intentionnels?

T02 - Capteurs apprenants

  1. Apprentissage des menaces et objets d’intérêt

Comment reconnaitre, identifier et apprendre les menaces ? Comment  évoluer et sélectionner ?

  1. Apprentissage de l’opérateur par le capteur (connaissances, préférences, comportement)

Comment mettre la machine au service de l’humain ?

  1. Apprentissage de l’environnement

Les capteurs sont fortement dépendants de l’environnement dans lequel ils travaillent. Les performances de ces capteurs sont dépendants des conditions de météo, température et nature du sol ainsi que de l’évolution du porteur.

  1. Processus d’éducation

Comment éduquer une suite de senseurs ? Quels seront les contraintes sur les architectures, sur les bases de données ? Quels avantages ?

 

T03 - Supervision des apprentissages

  1. Validation/qualification incrémentale

Quels sont les procédés qui pourraient permettre la gestion des évolutions ?

  1. Retour d’expérience, restitution des apprentissages vers l’homme

Comment gérer les apprentissages et notamment l’impact de l’aspect non déterministe vers l’homme ?

  1. Initialisation et capitalisation des apprentissages

Quels sont les moyens, les méthodes et les répercussions sur les architectures, tant embarquées qu’au sol ?

  1. Cohérence et partage des apprentissages entre équipements,

Comment gérer la cohérence en multi-capteurs et en multiplateformes et les impacts sur la gestion des données?

  1. Résistance des apprentissages à la désinformation

Comment éviter que l’apprentissage n’amène à des choix qui sont conditionnés par des informations dont la qualité est insuffisante, soit qu’elle soit le fait de l’ennemi, soit qu’elle vienne d’une mauvaise captation de l’information ?