BEGIN:VCALENDAR
VERSION:2.0
PRODID:IEEE vTools.Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
DTSTART:20250330T030000
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
TZNAME:CEST
END:DAYLIGHT
BEGIN:STANDARD
DTSTART:20251026T020000
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
TZNAME:CET
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTAMP:20251230T231223Z
UID:FD592641-3E4A-43AC-A6C8-7B0BFAA80D5E
DTSTART;TZID=Europe/Paris:20250926T143000
DTEND;TZID=Europe/Paris:20250926T170000
DESCRIPTION:Les réseaux de neurones artificiels (ANN) et le Machine Learni
 ng (ML) sont devenus des outils pertinents pour le contrôle des robots\, 
 mais leur forte complexité de calcul nécessite généralement un matéri
 el complexe et énergivore. Les circuits logiques programmables (FPGA) off
 rent une alternative prometteuse pour des inférences efficaces de modèle
 s d'intelligence artificielle (IA). Ce séminaire présente une nouvelle a
 rchitecture matérielle capable de gérer à la fois le traitement de donn
 ées de capteurs et l'inférence d’un modèle d'intelligence artificiell
 e. Appliquée au robot quadrupède SOLO12 développé au LAAS-CNRS\, l’a
 rchitecture proposée peut remplacer efficacement l’utilisation conventi
 onnelle d'algorithme d'IA logiciel sur Raspberry Pi et son interconnexion 
 avec une carte mère dédiée. L'optimisation de l’ANN et sa mise en œu
 vre matérielle sur un petit FPGA validé dans l'environnement de simulati
 on du robot quadrupède SOLO12 seront détaillés lors de cette présentat
 ion. Ceci met en évidence le potentiel de l’intégration matérielle de
  ANN en tant que solution compacte et économe en énergie pour des nombre
 uses applications.\n\nRoom: Salle Europe\, LAAS-CNRS\, Toulouse\, Midi-Pyr
 enees\, France\, 31400\, Virtual: https://events.vtools.ieee.org/m/502409
LOCATION:Room: Salle Europe\, LAAS-CNRS\, Toulouse\, Midi-Pyrenees\, France
 \, 31400\, Virtual: https://events.vtools.ieee.org/m/502409
ORGANIZER:daniela@laas.fr
SEQUENCE:21
SUMMARY:Intégration matérielle d’IA sur FPGA : application à une polit
 ique de locomotion en apprentissage par renforcement pour un robot quadrup
 ède 
URL;VALUE=URI:https://events.vtools.ieee.org/m/502409
X-ALT-DESC:Description: <br /><h5 style="font-weight: normal\;">Les r&eacut
 e\;seaux de neurones artificiels (ANN) et le Machine Learning (ML) sont de
 venus des outils pertinents pour le contr&ocirc\;le des robots\, mais leur
  forte complexit&eacute\; de calcul n&eacute\;cessite g&eacute\;n&eacute\;
 ralement un mat&eacute\;riel complexe et &eacute\;nergivore. Les circuits 
 logiques programmables (FPGA) offrent une alternative prometteuse pour des
  inf&eacute\;rences efficaces de mod&egrave\;les d'intelligence artificiel
 le (IA).&nbsp\; Ce s&eacute\;minaire pr&eacute\;sente une nouvelle archite
 cture mat&eacute\;rielle capable de g&eacute\;rer &agrave\; la fois le tra
 itement de donn&eacute\;es de capteurs et l'inf&eacute\;rence d&rsquo\;un 
 mod&egrave\;le d'intelligence artificielle. Appliqu&eacute\;e au robot qua
 drup&egrave\;de SOLO12 d&eacute\;velopp&eacute\; au LAAS-CNRS\, l&rsquo\;a
 rchitecture propos&eacute\;e peut remplacer efficacement l&rsquo\;utilisat
 ion conventionnelle d'algorithme d'IA logiciel sur Raspberry Pi et son int
 erconnexion avec une carte m&egrave\;re d&eacute\;di&eacute\;e. L'optimisa
 tion de l&rsquo\;ANN et sa mise en &oelig\;uvre mat&eacute\;rielle sur un 
 petit FPGA valid&eacute\; dans l'environnement de simulation du robot quad
 rup&egrave\;de SOLO12 seront d&eacute\;taill&eacute\;s lors de cette pr&ea
 cute\;sentation. Ceci met en &eacute\;vidence le potentiel de l&rsquo\;int
 &eacute\;gration mat&eacute\;rielle de ANN en tant que solution compacte e
 t &eacute\;conome en &eacute\;nergie pour des nombreuses applications.</h5
 >
END:VEVENT
END:VCALENDAR