Actualités et vidéos

L’objectif de GENERAT3D est de développer des méthodes de génération automatique de grands volumes de données pour alimenter des méthodes d’apprentissage machine pour la rétro-conception de pièces et d’assemblages mécaniques. 

Des méthodes de génération de données artificielles pour l’apprentissage machine 

Récolter et labelliser des données pour l’apprentissage machine est un travail qui peut s’avérer chronophage, tout particulièrement dans le contexte multimodal de la rétro-conception de produits où il est nécessaire d’avoir une labellisation par pièce et par assemblage dans plusieurs types de représentations 2D et 3D. Pour cela des méthodes d’augmentation de données CAO, de génération d’images photo-réalistes, de nuages de points « tels que scannés », ainsi que de cartes de profondeurs seront développées. Des cas d’études utilisant ces données seront développés lors du projet afin d’illustrer leurs exploitations. 

Impacts et retombées prévus pour l’Industrie du Futur 

La mise à disposition de ces méthodes de génération de grands volumes de données (ainsi que de jeux de données déjà générés) permettra en premier lieu la mise en place de nouvelles méthodes de rétro-conception de produits telles que l’aide à la rétro-conception ou l’automatisation de la rétro-conception. 

À plus long terme, ces méthodes seront également profitables à d’autres applications en lien avec l’ingénierie des systèmes dans un contexte d’Industrie du Futur où l’apprentissage machine permet aujourd’hui de lever de nouveaux verrous scientifiques, telles que la conception de produits, le fonctionnement en temps réel des jumeaux numériques, la détection d