Cette page dédiée présente l’un des thème / domaine stratégique actuellement en discussion dans le cadre de notre Programme de financement de recherche stratégique. L’ensemble des thèmes / domaines en discussion est indiqué sur la page du programme. Chaque page dédiée (y compris celle-ci) peut être à un niveau de détail et de maturité variable. Pour participer à la discussion sur ce thème ou en proposer de nouveaux, veuillez utiliser ce formulaire. Si vous souhaitez être tenu.e au courant des développements autour de ce thème / domaine, inscrivez-vous ci-dessous.

Data Enhanced Guidance, Navigation, and Control (DE-GNC)

Description et justification du domaine

Quebec has a large aerospace sector that could leverage DE-GNC. Canada is known for space robotics (e.g., CSA, MDA), where the space sector could benefit as well. Finally, autonomous vehicles (air, ground, underwater) currently use GNC methods primarily based on first principles models; enhancing the ability of any autonomous system is of interest to Quebec and Canada.

Contexte

Mots-clefs : guidance, navigation, and control; autonomous vehicles; aerospace; automotive; robotics

Organisations pertinentes :

Personnes pertinentes suggérées durant la consultation :

Les noms suivants ont été proposés par la communauté et les personnes mentionnées ci-dessous ont accepté d’afficher publiquement leur nom. Notez cependant que tous les noms des professeur.e.s (qu’ils soient affichés publiquement ou non sur notre site web) seront transmis au comité conseil pour l’étape d’identification et de sélection des thèmes stratégiques. Notez également que les personnes identifiées durant l’étape de consultation n’ont pas la garantie de recevoir une partie du financement. Cette étape sert avant tout à présenter un panorama du domaine, incluant les personnes pertinentes et non à monter des équipes pour les programmes-cadres.

 

Programmes-cadres potentiels

Autonomous vehicles Guidance, Navigation, and Control (GNC) is the process of planning a trajectory, estimating the vehicle position from data, and computing control actions/inputs to realize an objective such as path tracking. GNC traditionally combines physics models (such as f = ma) with sensor data. Sensor data, although noisy, biased, asynchronous, incomplete, is often used to correct incorrect predictions made by the physics based models. In this theme, sensor data will be used to enhance physics based models, by learning corrections to the physics, in order to realize data enhanced GNC. Motivation to do so stems from the fact that a model, no matter how detailed, is just a model, and thus incomplete. By leveraging data to enhance, not replace, physics based models or sublocks of GNC pipeline, the best of both worlds can be realized; first principles models form a baseline for GNC, while data is used to enhance GNC as more and more data is collected.

Documentation complémentaire

(pas de documentation complémentaire pour le moment)

Intéressé.e? Entrez votre courriel pour recevoir les mises à jour en lien avec cette page :

Historique

30 juin 2021 : Première version

3 juillet 2021 : Ajout de noms de personnes pertinentes.