Tous les projets

Mila · MIST Lab · 2025–2026 · Préprint, premier auteur

AURA* : planifier sous incertitude de perception

[Résumé en une phrase : ce que c'est, pour qui, et le résultat principal.]

Rôle
[Votre rôle]
Période
[Dates de début et de fin]
Équipe
[Taille de l'équipe, ou seul]
Statut
[En production, en cours, terminé]
[00][Ce que mesure ce chiffre]
[00][Ce que mesure ce chiffre]
[00][Ce que mesure ce chiffre]
[Image principale : capture, schéma ou photo. 1600 × 900 px]

Contexte

[Où et pourquoi le projet a démarré : employeur, cours ou compétition, et les personnes impliquées.]

[Les contraintes : délai, données disponibles, outils imposés, confidentialité.]

Problème

Un planificateur qui interdit toute cellule incertaine cesse d'avancer. Un planificateur qui ignore l'incertitude prend des risques qu'il ne voit pas.

Approche

Un planificateur de trajectoire qui transforme l'incertitude de perception calibrée, issue de l'imagerie 2D et du LiDAR 3D, en un champ de risque continu, exploré par un A* adaptatif.

  • [Choix de conception 1, et pourquoi il l'emporte sur l'alternative]
  • [Choix de conception 2, et pourquoi]
  • [Choix de conception 3, et pourquoi]
[Schéma d'architecture ou du pipeline]

Résultats

100 % de missions réussies là où la référence géométrique tombe à 0,4 %. Risque épistémique maximal réduit de 94,9 % pour environ 9 % de distance en plus.

[Comment c'est évalué : données, référence, protocole, et qui a validé.]

[Tableau ou graphique de résultats]

Limites et suite

  • [Ce qui ne marche pas encore, ou les limites connues du résultat]
  • [Ce que vous feriez autrement]
  • [La prochaine étape, si le projet continue]

Stack

  • Python
  • PyTorch
  • SegFormer
  • PointNet++
  • conformal prediction
  • [Ajouter un outil]

Liens

Galerie

Projet suivant Application d'analyse de portefeuille