Perception et contrôle robuste adaptatif pour des systèmes robotiques hétérogènes et coopératifs en environnements agricoles et ouverts // Collaborative Perception and Robust Adaptive Control Strategies for Heterogeneous Robotic Systems in Agricultural an

Dans un contexte marqué par l'aggravation des perturbations climatiques, la pression démographique croissante et l'impératif de transition vers des systèmes agroalimentaires durables, l'agriculture doit engager une mutation systémique. Les technologies émergentes en robotique autonome et en intelligence artificielle offrent des leviers inédits pour concilier performance agronomique, efficience énergétique et réduction de l'empreinte environnementale. En particulier, les systèmes robotiques hétérogènes — combinant vecteurs aériens, plateformes terrestres et capteurs embarqués ou distants — permettent d'envisager une interaction multi-échelle et multi-modale avec des environnements naturels complexes, dynamiques et partiellement observables.
Les milieux agricoles, en particulier les espaces ouverts de type plein champ, présentent des caractéristiques intrinsèquement variables (facteurs climatiques, hétérogénéité spatio-temporelle des cultures, morphologie du terrain), associées à des contraintes fortes en matière d'observabilité, de résilience opérationnelle et d'adaptabilité comportementale. Ces environnements appellent le développement de nouveaux paradigmes de perception distribuée et de contrôle collaboratif, reposant sur la coopération de robots autonomes dotés de capteurs et d'effecteurs complémentaires, capables de construire une représentation partagée et évolutive de leur environnement, et de synchroniser dynamiquement leurs prises de décision.

L'objectif de cette thèse est de concevoir des architectures de coordination frugales, scalables et adaptatives pour des systèmes robotiques hétérogènes coopératifs opérant en milieux agricoles ouverts. Elle s'articule autour de deux axes scientifiques principaux :
(i) l'élaboration d'algorithmes distribués pour la perception robuste et coopérative, la fusion de données multi-sources (hétérogènes, incertaines, asynchrones) et la mise à jour collaborative de cartes sémantiques en temps réel, tout en assurant la résilience face aux délais, pertes et intermittences de communication ;
(ii) la formulation de stratégies de contrôle robuste et de planification optimales, tenant compte des contraintes contextuelles (qualité de perception, bande passante, consommation énergétique) dans des environnements à forte incertitude (occultations, dynamiques variables, croissance végétale variable et évolutive).
L'approche privilégiera des architectures matérielles et logicielles à faible empreinte computationnelle, compatibles avec les contraintes de plateformes embarquées à ressources limitées. La robustesse, la généricité et la transférabilité des solutions développées seront des objectifs centraux.
Selon le profil et les compétences du/de la candidat(e), un des volets scientifiques sera traité plus en profondeur, tout en assurant une articulation cohérente entre les différentes composantes du projet. L'ensemble des travaux s'inscrira dans la dynamique de recherche de l'équipe REMIX (Robotique et Mécatronique) de l'institut XLIM – UMR CNRS 7252, en synergie avec les axes actuels sur la perception distribuée, le contrôle robuste et adaptatif multi-agent et les systèmes embarqués intelligents.
La démarche combinera modélisation théorique, développement algorithmique, simulation à grande échelle et validation expérimentale sur plateformes robotiques en environnement réel agricole. Un accent particulier sera mis sur la reproductibilité scientifique, via la publication de jeux de données, de benchmarks ouverts et d'outils logiciels sous licences libres.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

In the face of global challenges such as climate change, population growth, and the need for more sustainable food production systems, agriculture must undergo a profound transformation. Robotics and artificial intelligence offer new opportunities to improve productivity while reducing environmental impact. In particular, heterogeneous robotic systems—combining aerial, ground, and embedded sensing units—open the door to rich, multi-modal interaction with complex and dynamic natural environments.
Agricultural and open-field contexts are characterized by high variability (weather, crop growth stages, terrain), partial observability, and the need for continuous adaptation. These settings call for new paradigms of collaborative perception and control, where multiple robots with complementary sensing and actuation capabilities work together to construct a shared understanding of the environment and coordinate their actions accordingly.
This PhD project aims to develop frugal, scalable, and adaptive coordination architectures for heterogeneous cooperative robotic teams operating in agricultural and open environments. It is structured around the following key scientific objectives: i) Design of distributed algorithms for perception, heterogeneous data sources fusion and real-time map sharing/updating, resilient to communication delays and failures; ii) context-aware control and optimal planning integrating perception quality, communication and energy constraints. These aspects to be considered under uncertainty and environmental variability (e.g., occlusion, moving targets, crop dynamics) while proposing lightweight software/hardware architectures capable of running on low-cost platforms with constrained resources. These scientific directions will be explored with varying levels of emphasis, depending on the background and interests of the selected candidate. While all objectives are interlinked, the thesis will primarily focus on one of them.
This research will build upon and contribute to ongoing research in the REMIX (Robotics and Mechatronics) team of the XLIM institute UMR CNRS 7252, leveraging recent advances in heterogeneous perception and distributed control for autonomous systems. The project will combine theoretical developments and applied research articulated through simulation and experimental validation in real-world agricultural testbeds. Open-source tools and datasets to support reproducibility and community engagement will be emphasized.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/11/2025

Contrat doctoral

Concours pour un contrat doctoral

Université de Limoges

653 Sciences et Ingénierie

• Diplôme de Master 2 (ou équivalent) en robotique, intelligence artificielle, vision par ordinateur, automatique/contrôle, informatique ou dans un domaine connexe. • Expérience en traitement d'images, apprentissage automatique, apprentissage profond ou robotique souhaitée. • Maîtrise des langages C/C++, Python, ROS, Matlab/Simulink, ainsi que de solides compétences en programmation. • Forte motivation pour la recherche interdisciplinaire et la résolution de problèmes complexes. • Curiosité scientifique, autonomie et capacité à travailler de manière indépendante et en équipe. • Excellentes compétences rédactionnelles en anglais scientifique. • Une expérience préalable avec des systèmes robotiques et/ou des robots aériens constitue un atout.
• M.Sc. degree or equivalent in robotics, artificial intelligence, vision and/or control engineering, computer science, or related fields. • Experience in image processing, machine learning, deep learning, or robotics. • Good experience with C/C++, Python, ROS, Matlab/Simulink and programming skills (Python, C++, etc.) • Strong motivation for interdisciplinary research and solving complex problems. • Scientific curiosity, autonomy, and the ability to work independently as well as collaboratively within a research team. • Excellent written English skills. • Experience with robotic systems and/or aerial robots is a plus.