Projets novateurs réalisés

Explorez des milliers de projets réussis issus de la collaboration entre organisations et talents postsecondaires.

30 508 projets complétés

2882
AB
5105
C.-B.
825
MB
681
NL
860
SK
9051
ON
9491
QC
97
PE
586
NB
1141
NS

Projets par catégorie

Diffusion Based Generative Modeling for Robotic Grasping

THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW

Voir la description complète du projet
Superviseur du corps professoral :

Igor Gilitschenski

Étudiant :

Partenaire :

Ocado Technology

Discipline :

Computer science

Secteur :

Artificial Intelligence; Technology; Advanced Manufacturing

Université :

University of Toronto

Programme :

Accelerate

Conception, fabrication et programmation d’un drone autonome capable d’atterrir sur la canopée pour l’acquisition de données en forêt tropicale.

L’objectif du projet est de produire un drone capable d’atterrir de façon autonome dans la canopée pour y transporter des charges utiles permettant de récupérer des données sur l’environnement. Des technologies novatrices, comportant une partie mécanique et informatique, sont nécessaires pour y arriver. Premièrement, un train d’atterrissage doit être développé pour protéger les hélices des branches sans affecter les caractéristiques de vol du drone. Il doit aussi permettre au drone d’être stable au repos dans la canopée. Ensuite, un algorithme de vision basé sur une caméra apte à percevoir la profondeur doit être développé pour détecter une zone d’atterrissage sécuritaire dans le feuillage. Ces deux éléments sont finalement combinés à des technologies de contrôle existantes pour effectuer des manoeuvres d’atterrissage autonome sur la canopée des forêts tropicales.

Voir la description complète du projet
Superviseur du corps professoral :

Alexis Lussier Desbiens

Étudiant :

Partenaire :

Outreach Robotics

Discipline :

Engineering

Secteur :

Professional, scientific and technical services

Université :

Université de Sherbrooke

Programme :

Accelerate

Effectiveness of Sophia Recovery Centre’s Lotus Pond Program

The present study will examine the effectiveness of the Sophia Recovery Centre’s Lotus Pond program in terms of outcomes for Sophia Guests on measures of well-being, quality of life, and substance use behaviour goals, the quality of peer recovery support experienced by Sophia Guests, and the efficiency of Sophia Peers at providing peer recovery support. The study will also compare characteristics of Sophia Guests who remain in the Lotus Pond program to those who withdraw. Findings from this study will be used to improve Sophia’s peer recovery support process.

Voir la description complète du projet
Superviseur du corps professoral :

David Speed

Étudiant :

Partenaire :

Sophia Recovery Centre

Discipline :

Sociology

Secteur :

Health and Related Sciences & Technology

Université :

University of New Brunswick

Programme :

Accelerate

Concept d’opération pour améliorer le processus d’optimisation de l’efficacité énergétique pour l’ensemble du cycle de vie du bâtiment

L’objectif principal du projet de recherche est de développer une approche d’optimisation de l’efficacité énergétique d’un bâtiment à chaque étape du processus de conception à l’aide de la simulation énergétique. Ceci dans le but d’assurer une meilleure conception des bâtiments futurs à l’aide de données recueillies dans des bâtiments existants similaires en formulant des recommandations pour la conception. L’approche proposée vise à améliorer les pratiques de l’entreprise partenaire en offrant un support au niveau de l’approche de simulation. Les retombées pour l’entreprise partenaire sont les suivantes :
? Amélioration de l’utilisation des outils de simulation énergétique.
? Aide de prise à la décision par rapport au processus d’optimisation à préconiser pendant la conception.
? Aide à la prise de décision et l’élaboration de solutions concertées, concrètes.

Voir la description complète du projet
Superviseur du corps professoral :

Danielle Monfet

Étudiant :

Partenaire :

Cimaise

Discipline :

Engineering

Secteur :

Professional, scientific and technical services

Université :

École de technologie supérieure

Programme :

Accelerate

Machine learning model for corrosion detection and assessment for pad mounted equipment

Corrosion of electrical utility infrastructure represents a major operational challenge that currently relies on labor-intensive manual inspections. This project aims to develop an automated machine learning system to detect and assess corrosion using publicly available street-level imagery, enabling frequent, low-cost monitoring across the distribution network. The proposed methodology will leverage recent advances in object detection and semantic segmentation. Upon successful development, the corrosion detection system will be integrated into EPCOR’s asset management workflow. Automated analysis of public imagery can provide frequent, low-cost monitoring to prioritize field inspections and maintenance activities. Reducing operational costs while extending asset life represents major potential cost savings for the utility industry.

Voir la description complète du projet
Superviseur du corps professoral :

Zhigang (Will) Tian

Étudiant :

Partenaire :

EPCOR Utilities Inc.

Discipline :

Engineering

Secteur :

Utilities

Université :

University of Alberta

Programme :

Accelerate

Optimal motion planning under kino-dynamic constraints

THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW

Voir la description complète du projet
Superviseur du corps professoral :

Igor Gilitschenski

Étudiant :

Partenaire :

Ocado Technology

Discipline :

Computer science

Secteur :

Artificial Intelligence; Advanced Manufacturing; Technology

Université :

University of Toronto

Programme :

Accelerate

Recommending Investment Opportunities using Reinforcement Learning

THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW

Voir la description complète du projet
Superviseur du corps professoral :

Silvana Pesenti;Scott Sanner

Étudiant :

Partenaire :

Balyasny Asset Management (Canada) ULC

Discipline :

Computer science

Secteur :

Finance and Insurance

Université :

University of Toronto

Programme :

Accelerate

Exploring and Applying Streaming Data Analytics in IoT Big Data Environments to Enhance Fleet Safety and Smart City Infrastructure.

THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW

Voir la description complète du projet
Superviseur du corps professoral :

Nick Koudas

Étudiant :

Partenaire :

Geotab Inc

Discipline :

Computer science

Secteur :

Information and cultural industries; Professional, scientific and technical services; Transportation and warehousing

Université :

University of Toronto

Programme :

Accelerate

Increasing emissions reporting accuracy and providing actionable reduction strategies with AI

“THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW”

Voir la description complète du projet
Superviseur du corps professoral :

Andrei Badescu

Étudiant :

Partenaire :

Geotab Inc

Discipline :

Computer science

Secteur :

Information and cultural industries; Professional, scientific and technical services; Transportation and warehousing

Université :

University of Toronto

Programme :

Accelerate

Identifying Causal Risk Factors for Hazardous Driving and Accident Propensity for Safer Fleets and Smart Cities

“THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW”

Voir la description complète du projet
Superviseur du corps professoral :

Andrei Badescu

Étudiant :

Partenaire :

Geotab Inc

Discipline :

Computer science

Secteur :

Information and cultural industries; Professional, scientific and technical services; Transportation and warehousing

Université :

University of Toronto

Programme :

Accelerate

Use of Natural Language Models to Support Assessment of Cognitive and Socio- Emotional Dynamics Among Learners in Online Active Learning Environments

THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW

Voir la description complète du projet
Superviseur du corps professoral :

Steve Engels

Étudiant :

Partenaire :

University of Toronto Schools

Discipline :

Computer science

Secteur :

Education

Université :

University of Toronto

Programme :

Accelerate

Explanations with Meaningful Predictive Properties via Clustered Shapley Values

“THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW”

Voir la description complète du projet
Superviseur du corps professoral :

Sheila McIlraith

Étudiant :

Partenaire :

Signal 1 AI

Discipline :

Computer science

Secteur :

Professional, scientific and technical services

Université :

University of Toronto

Programme :

Accelerate

Précédent
1...721722723724725726727...2,543
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire

Mitacs — Retour sur innovation

Mitacs est financé par le gouvernement du Canada, le gouvernement de l’Alberta, le gouvernement de la Colombie-Britannique, Research Manitoba, le gouvernement du Nouveau-Brunswick, le gouvernement de la Nouvelle-Écosse, le gouvernement de l’Ontario, Innovation PEI, le gouvernement du Québec, le gouvernement de la Saskatchewan, le gouvernement de Terre-Neuve-et-Labrador et le gouvernement du Yukon.