Defensa de tesis "Aprendizaje profundo no supervisado: Aplicación a la detección de situaciones anómalas en el entorno de trenes autónomos".

Resumen

La tesis aborda los retos de monitorización del entorno y detección de anomalías, en particular obstáculos, para un tren de mercancías autónomo. Aunque el transporte ferroviario ha estado tradicionalmente bajo supervisión humana, los trenes autónomos ofrecen ventajas potenciales en términos de coste, tiempo y seguridad. Sin embargo, su funcionamiento en entornos complejos plantea importantes problemas de seguridad. En lugar de un enfoque supervisado que requiere datos anotados caros y limitados, esta investigación adopta una técnica no supervisada, utilizando datos no etiquetados para detectar anomalías apoyándose en técnicas capaces de identificar comportamientos atípicos.

Se presentan dos modelos de monitorización ambiental: el primero, basado en un autoencoder convolucional (CAE), se dedica a la identificación de obstáculos en la carretera principal; el segundo, una versión avanzada que incorpora el transformador de visión (ViT), se centra en la monitorización ambiental general. Ambos utilizan técnicas de aprendizaje no supervisado para la detección de anomalías.

Los resultados muestran que el método planteado aporta elementos relevantes para la monitorización del entorno del tren de mercancías autónomo, teniendo potencial para mejorar su fiabilidad y seguridad. El uso de técnicas no supervisadas demuestra así la utilidad y pertinencia de su adopción en un contexto de aplicación para el tren autónomo.

.

Palabras clave

inteligencia artificial, aprendizaje profundo, tren autónomo, detección de anomalías, monitorización ambiental, tren de mercancías autónomo, transporte ferroviario, enfoque supervisado, enfoque no supervisado, algoritmos de aprendizaje, transformador de visión, convolución.

Composición del jurado

Sr. YASSINE RUICHEK, Professeur des universités, Université de technologie de Belfort Montbéliard (Rapporteur)
M. NOREDDINE ABGHOUR, Professeur des universités, Université Hassan II Maroc (Ponente)
Sra. LAETITIA JOURDAN, Profesora universitaria, Universidad de Lille (Examinadora)
M. SMAIL NIAR, Professeur des universités, Université Polytechnique Hauts-de-France (codirector de tesis)
M. ABDELMALIK TALEB-AHMED, Professeur des universités, Université Polytechnique Hauts-de-France (co-supervisor de tesis)
Sr. LOTFI ABDI, Ingeniero de Investigación, IRT Railenium (Co-supervisor)