Projets novateurs réalisés

Perception-Guided Planning for Long-Horizon Sequential Manipulation

The project explores how to enable robots to perform multi-step tasks in realistic, changing environments by integrating visual information in different aspects of planning. Instead of assuming a perfect internal map of all objects, we will use camera input both to understand the scene and to guide the robot’s decisions during planning and execution. Demonstrations and state-of-the-art vision models will be used to suggest useful intermediate goals and to notify the planner when something has gone wrong, like dropping an object during grasping. In the end, the goal is a robot that can plan its actions, monitor its progress visually, and recover from mistakes more reliably, which is important for practical use in homes, warehouses, and other everyday settings.

Exploration efficace pour la conception de systèmes de transmission de données à énergie minimale

Les codes de correction d’erreurs (CCE) sont utilisés dans la plupart des systèmes de transmission et de stockage de données, car ils permettent une réduction significative de la puissance du signal émis (ou stocké), ce qui permet à l’émetteur de consommer moins d’énergie. Cependant, les CCE efficaces nécessitent une quantité d’énergie importante pour être décodés à la réception. Il existe donc un compromis entre l’énergie économisée à l’émission et l’énergie additionnelle requise à la réception. Notre projet de recherche se concentre sur le cas fréquent où il est primordial de minimiser conjointement la consommation de l’émetteur et du récepteur, par exemple dans le cas de deux objets alimentés par batterie qui doivent communiquer. À cette fin, nous développons un outil d’exploration efficace pour la conception de systèmes de transmission de données à énergie minimale, basé sur des modèles énergétiques des circuits émetteurs et récepteurs. Cet outil permettra ensuite de développer des solutions de transmission de données à plus faible consommation d’énergie pour diverses applications, contribuant ainsi à réduire l’empreinte énergétique du secteur des technologies de l’information.

Développement de réseaux de neurones événementiels sur plateforme hybride pour l’automatisation intelligente

Ce projet développe une plateforme neuromorphique innovante qui associe des circuits analogiques (CMOS et memristors) à des circuits numériques sur FPGA pour créer des réseaux de neurones inspirés du cerveau, capables d’apprendre de manière autonome. Cette technologie permettra des systèmes embarqués plus rapides, plus économes en énergie et plus fiables, adaptés à la robotique et à l’automatisation industrielle. Pour le Canada, ce projet renforce l’expertise en IA embarquée, génère des données inédites et positionne le pays comme un leader dans les solutions Edge AI durables.

Démocratisation des savoirs : transfert, mobilisation et création autour des projets Wikimédia

Ce projet s’inscrit dans la continuité d’un projet de recherche intitulé Protocoles de pluralisation culturelle des savoirs : comparaison des Wikipédias en français et en anglais, financé dans le cadre d’une subvention CRSH Savoir. Le projet CRSH propose une analyse des politiques, règles et recommandations établies dans Wikipédia pour inclure diverses perspectives culturelles dans l’édition de l’encyclopédie — soit ce qu’on appelle les protocoles de pluralisation culturelle des savoirs.

L’objectif général du projet est d’étudier la relation entre les protocoles éditoriaux et les processus effectifs de pluralisation culturelle en comparant les deux Wikipédias les plus significatives pour le contexte canadien: c’està-dire les encyclopédies en anglais et en français. Les objectifs spécifiques sont les suivants: 1) caractériser le rôle de ces protocoles dans la gouvernance de Wikipédia; 2) comprendre comment ces protocoles sont mis à l’épreuve dans des situations de dispute, autrement dit comment ils sont mobilisés, débattus, justifiés et critiqués lors de conflits d’édition entre contributeurs; 3) expliquer la manière dont la justification de ces protocoles est influencée par les répertoires culturels des contributeurs (idéologies politiques, représentations
collectives de la différence culturelle et de la technologie).

Le projet CRSH mobilise une méthodologie fondée sur une enquête qualitative. Dans une approche d’ethnographie des mondes numériques, nous mobilisons deux outils de collecte de données. Premièrement, deux corpus de pages de Wikipédia (un sur les protocoles et un sur les disputes entre contributeurs) sont analysés pour produire une typologie des protocoles et de leurs principes de justification. Deuxièmement, des entrevues semi-directives avec des wikipédiens canadiens (francophones et anglophones) visent à expliciter leurs schémas culturels d’interprétation de ces principes. Une analyse croisée des deux encyclopédies par tableaux synoptiques fera ressortir les contrastes heuristiques entre ces configurations socioculturelles.

A comprehensive survey of meteorite flux to Earth using the Global Meteor Network

This project aims to perform the first modern, comprehensive survey of meteorite flux to Earth using the Global Meteor Network (GMN), leveraging its unprecedented spatial coverage, and calibrated observations. By collaborating with Prof. Denis Vida at the University of Western Ontario in Canada, I will apply advanced measurement techniques to re-analyse the trajectories of all GMN-observed fireballs, derive a calibrated flux of meteorite-dropping fireballs from different compositional classes (stony, carbonaceous, iron, etc.), and constrain meteorite source regions in the Solar System from the orbital information.

Hospital pharmaceutical stock and demand management using machine learning

This Master’s thesis project, conducted under a Mitacs Globalink research internship, aims to address persistent challenges in hospital pharmaceutical supply management—such as fluctuating medication demand, supply-chain delays, and inefficient manual forecasting—by developing an end-to-end AI-enabled solution. Using a large dataset of 6 million prescription records and 2 million stock movement entries, the student will apply machine learning techniques to forecast medication demand, optimize inventory levels, and minimize shortages and waste. The project also includes building a scalable smart dashboard for real-time visualization and decision support, as well as implementing rigorous model evaluation and optimization to ensure strong predictive performance. Through this work, the student will advance practical innovation in healthcare operations while strengthening their technical skills in machine learning, predictive analytics, and AI system design.

De la forêt au champ : Étude du potentiel de valorisation de la litière forestière comme amendement agricole

La litière forestière fermentée est un amendement potentiellement intéressant pour les agriculteurs en grandes cultures biologiques. Toutefois, à l’heure actuelle, aucune donnée sur l’utilisation et les caractéristiques de cet amendement n’est connue pour l’Abitibi-Témiscamingue. L’objectif principal est de l’étude est d’évaluer le potentiel de la litière forestière comment amendement de sol en Abitibi-Témiscamingue. Plus spécifiquement, l’étude permettra de caractériser les propriétés chimiques et microbiologiques de trois types de litière forestière, soit la litière de forêt mixte, la litière de forêt boréale et un mélange des deux types de litière. L’étude permettra également d’évaluer l’effet de la fermentation sur les trois types de litière. Finalement, cette étude permettra de comparer l’effet de ces litières sur les propriétés biologiques et chimiques du sol suivant une courte incubation en laboratoire.

Intelligent Automation of PAUT for Quantitative Defect Characterization and Evaluation

This project focuses on developing an automated decision making system for Phased Array Ultrasonic Testing (PAUT). Our goal is to reduce the industry’s reliance on manual defect evaluation. PAUT is standard in aerospace, nuclear, and manufacturing sectors for checking safety critical components. However, current practices depend heavily on a technician’s experience to interpret complex scan images, which often leads to variable results and slow inspections.

Our system automates this process by converting raw signals into high resolution B scan, C scan, and S scan views, integrating them into defect maps. We use advanced signal processing to filter noise and enhance clarity, ensuring the images are accurate and reliable. Furthermore, we characterize defects quantitatively using metrics like probability of detection and signal to noise ratio. This provides transparent evidence of flaw size, type, and location, reducing human error and ensuring consistency.

By automating these decisions, we eliminate the need for manual adjustments and make inspections more reliable. This approach not only shortens inspection times and cuts costs but also supports safer operations. Ultimately, combining PAUT with automation creates a scalable, dependable method for defect evaluation across the industry.

Research internship in Australia – Understanding biological responses to radionuclide crossfire in complex tumour systems

The proposed project fits within a larger research program at the University of Queensland focused on both engineering novel TAT for a range of oncology targets, as well as developing a nuanced understanding of biological responses to these novel molecular radiotherapies as a function of targeting agent, radionuclide emission type (alpha/beta), exposure time and biological environment (heterogenous tissue populations vs cultured cells). The project specifically will focus on developing biological assays to assess the “crossfire” effect in heterogenous cell populations within tumour microenvironments. This will involve developing and refining methods to probe DNA damage responses, cell signalling pathways and immunological responses within complex biological systems.

Data-driven recovery of at-risk bumblebee species: pinpointing optimal release and recovery sites across Ontario

This project will help protect at-risk bumble bee species in Ontario by identifying the best places to release captive-reared queens back into the wild. Bumble bees are essential pollinators, but many species are declining due to habitat loss and environmental change. While Wildlife Preservation Canada (WPC) has successfully reared several native species, choosing safe and suitable release sites remains a major challenge.

To address this, we will analyze eight years of queen bumble bee survey data collected across Ontario by WPC, combined with environmental information such as land cover, soil conditions, elevation, and vegetation. Using modern geospatial tools and habitat-suitability modelling, we will create detailed maps that show where conditions are most favourable for bumble bee survival and nest establishment. These maps will be tailored to individual species, highlighting the distinct environmental features that support each species’ needs early in the season when nests are founded.

The results will directly support conservation planning by helping practitioners focus resources on high-quality habitats, improving the success of reintroduction efforts, and contributing to the long-term recovery of native pollinators in Canada.

Riemannian Douglas–Rachford Algorithms for Federated Learning and Privacy-Preserving Healthcare Analytics

The aim of this project is to study a data-preserving federated learning approach by designing a Riemannian composite optimization model and developing a Riemannian Doulgas-Rachford algorithm for solving the model. In addition to novel contributions to the filed of optimization and machine learning, our proposed model and algorithm are applied in data-preserving healthcare operations where sharing raw data across various sites is not practical or allowed. This project develops new ways for researchers decision-makers to learn from health data together without sharing any patient records. The work is a joint effort between UBC Okanagan and Eindhoven University of Technology. It will produce theory, modeling, and simulations that both teams can use to support future research, grant applications, and partnerships with healthcare providers. In the long term, this collaboration will help both institutions build stronger expertise in trustworthy artificial intelligence for healthcare and train highly skilled students in this growing area.

Interactions interspécifiques et relation biodiversité-productivité chez des espèces de conifères boréales

L’infrastructure de recherche Carbone boréal plante des arbres sur des terrains qui en sont dépourvus pour créer de nouveaux puits de carbone. L’UQAC dispose de cette infrastructure comptant plus de 2 millions d’arbres destinés à la recherche. Il existe une relation positive entre la diversité spécifique et la productivité des forêts qui résulte d’interactions positives (complémentarité) entre les espèces. Ce type d’interactions pourrait être exploité en reforestation afin d’augmenter la productivité et la résilience des forêts en contexte de changements climatiques. Ce projet vise 1) à déterminer l’effet d’associations intra- et interspécifiques sur la productivité de trois espèces de conifères boréales et 2) à déterminer l’effet d’un apport d’azote sur des traits fonctionnels et le taux de mycorhization des trois espèces. Ce projet génèrera des connaissances utiles pour les gestionnaires forestiers, les responsables de la lutte aux changements climatiques et la communauté scientifique. Les résultats seront transposables pour les gestionnaires de forêts privées pour améliorer leur productivité et pour la compensation de gaz à effet de serre sur les marchés volontaires du carbone.