
MIAM
Modélisation et Identification en Automatique et Mécanique
Présentation et Thématiques de recherche
L’équipe MIAM développe des méthodologies innovantes pour les systèmes mécatroniques et embarqués. Sa force réside dans l’articulation de deux compétences clés : la maîtrise de la dynamique des systèmes complexes et la perception avancée de l’environnement. Ses travaux, qui vont de la recherche fondamentale à la preuve de concept, s’appliquent prioritairement aux secteurs de l’automobile, de l’aéronautique et de l’industrie 4.0.
Pour concevoir des systèmes autonomes capables de s’adapter en temps réel, l’équipe structure ses recherches autour de deux piliers :
Modélisation, Identification et Commande : Cet axe se concentre sur la création de modèles mathématiques exploitables et de lois de commande robustes pour des systèmes non linéaires et incertains. Les chercheurs travaillent notamment sur la dynamique des véhicules, la planification de trajectoires et la gestion de flottes de robots (UGV, UAV) en environnements complexes.
Perception, Fusion de données et Imagerie : L’équipe développe des outils de localisation et de détection d’obstacles en combinant l’intelligence artificielle et la théorie de la fusion de données hétérogènes. Une expertise unique est portée sur l’imagerie non-conventionnelle (polarimétrique et multispectrale) pour extraire des informations physiques invisibles à l’œil nu et améliorer la prise de décision des systèmes autonomes.
Innovation et Rayonnement Partenarial
L’équipe MIAM se distingue par une recherche fortement ancrée dans le tissu industriel et international :
Collaborations d’envergure : L’équipe collabore avec des leaders des secteurs de la défense, de l’agriculture et des transports (Stellantis, DGA) via des contrats de recherche et des thèses CIFRE.
Projets Transnationaux : Très active au sein du Campus Européen (EUCOR), elle participe à de nombreux projets d’envergure (ANR, INTERREG) sur la robotique collaborative et la mobilité durable.
Engagement Scientifique et Citoyen : Outre une production scientifique de haut niveau, les membres de l’équipe s’investissent dans la diffusion des savoirs, notamment via la “Cordée des sciences” et la Fête de la Science, pour sensibiliser les jeunes aux enjeux de la recherche.
Les membres de l'équipe
Membres permanents
Basset Michel
PR
Bigue Laurent
PR
Binder Gérard
PR émérite / HDR
Birouche Abderazik
MCF
Dupuis Raphael
MCF / HDR
Foulonneau Alban
MCF
Hueber Eric
MCF
Josso-Laurain Thomas
MCF
Lapray Pierre-Jean
MCF / HDR
Lauffenburger Jean-Philippe
PR / HDR
Ledy Jonathan
IGR
Mourllion Benjamin
MCF
Orjuela Rodolfo
PR / HDR
Prokhorov Aleksandr
IGR
Sproesser Thomas
MCF
Vieira Gois Fernandes David
MCF
Vigne Benoit
MCF
Weisser Thomas
MCF
Membres non permanents
Doctorants
Agourram Amina
Doctorant(e)
Benamirouche Abdelhak
Doctorant(e)
Chassignet Anthony
Doctorant(e)
Dumoulin Ronan
Doctorant(e)
Duthay Flavie
Doctorant(e)
El Mouiah Oussama
Doctorant(e)
Fagninou Aaron
Doctorant(e)
Giurgi Danut-Vasile
Doctorant(e)
Haeffler Benoit
Doctorant(e)
Hamri Mouad
Doctorant(e)
Jouve Erwan
Doctorant(e)
Levy Cédric
Doctorant(e)
Masri Ghewa
Doctorant(e)
Point Augustin
Doctorant(e)
Sayssouk Wissam
Doctorant(e)
Sudi Bin-Ali Joyce
Doctorant(e)
Activités de recherche
Comment les robots perçoivent-ils le monde ?
Simulation et édition de défauts par 3d Gaussian Splatting
-
Reliability-Aware Fusion for Semantic Segmentation under Sensor Degradation and Failures (2026) CommunicationLucas Deregnaucourt, Abdelhak Benamirouche, Mihreteab Negash Geletu, Hind Laghmara, Remi Boutteau, Jean-Philippe Lauffenburger2026 IEEE Intelligent Vehicles Symposium (IV)
-
Diffuse and specular component separation using multispectral and polarization images (2026) ArticlePierre-Jean Lapray, Benjamin Mourllion, Laurent BiguéSignal, Image and Video Processing
-
Distance-based distributed nonlinear MPC for local leader-follower formation tracking (2025) ArticleAugustin Point, David Vieira, Michel Basset, Rodolfo OrjuelaRobotics and Autonomous Systems
-
Un défi transfrontalier de robotique mobile : préparation, organisation et retour d'expérience (2025) ArticleWafae Sebbata, Benoît Vigne, Thomas Josso-Laurain, Rodolfo OrjuelaJournal sur l'enseignement des sciences et technologies de l'information et des systèmes
Aucun projet pour le moment.
Recherche et formations
Analyse multimodale de scènes agricoles pour une navigation autonome sensible aux collisions
Florian PHILIPPE
Directeur(s) de thèse : Jean-Philippe LAUFFENBURGER - Pierre-Jean LAPRAY
Département(s) et équipe(s) : ASI --- MIAM
Navigation sûre d’un véhicule autonome terrestre dans un environnement partagé et contraint
Anis KOLIAI
Directeur(s) de thèse : Rodolfo ORJUELA - Michel BASSET
Département(s) et équipe(s) : ASI --- MIAM
Contacter l'équipe
Responsable de l'équipe
Pr Michel BASSET
- Nous écrire
- Téléphone
Equipe MIAM
- ENSISA, 12 rue des Frères Lumières, 68093 Mulhouse
Depuis la gare de Mulhouse :
- prendre la ligne 31 ou 51 jusqu’à l’arrêt Université, ou la ligne 21 arrêt Lumière en haut du campus.
Depuis la gare de Mulhouse :
- prendre le Tram ligne 1 jusqu’à l’arrêt Porte Jeune,
- puis prendre le Tram ligne 2 jusqu’à l’arrêt Université,
- puis 5 minutes à pied.
Depuis l’autoroute A36 :
- prendre la sortie 16a,
- prendre la D68, direction “Centre”, le campus est à 5 minutes de voiture.