Le transport maritime représente 2,9 % des émissions mondiales de CO2, avec une augmentation potentielle de 44 % d’ici 2050. Pour y remédier, des solutions de propulsion assistée par le vent, telles que les voiles rotatives de Norsepower et les voiles gonflables de Michelin, sont explorées. Cependant, l’utilisation de mesures temps réel pour un contrôle adaptatif de la propulsion vélique reste un problème ouvert. Notre projet s’appuie sur la science des données et l’IA pour optimiser l’adaptation des voiles et la navigation autonome dans le transport maritime.

Le premier objectif vise des méthodes de l’automatique pour les opérations de voile et de gouvernail basées sur des données environnementales (direction du vent, déformation des voiles, dynamique du navire). La complexité des dynamiques des fluides sera abordée grace à une analyse dans un cadre dimensionnel infini. En guidant des algorithmes d’IA avec des données en temps réel provenant de capteurs et les lois de conservation de la physique, nous visons à ajuster dynamiquement les voiles pour maximiser l’efficacité de la propulsion et minimiser la consommation d’énergie. Des méthodes basées sur les équations de Navier-Stokes optimiseront l’ajustement des voiles selon les conditions de vent.

Le deuxième objectif est d’améliorer la navigation et la planification de trajectoire des véhicules de surface autonomes. Avec des données en temps réel (GPS, LiDAR, caméras, modèles océaniques), nous développerons des systèmes intelligents de guidage et de contrôle. Les algorithmes d’IA, comme l’apprentissage par renforcement, permettront au navire de s’adapter aux conditions changeantes et d’éviter les obstacles.

En intégrant l’IA, la science des données et la théorie du contrôle, notre projet vise à améliorer l’efficacité énergétique des navires à voile et à réduire les émissions. Les algorithmes seront testés sur un voilier financé et instrumenté par le projet, permettant une évaluation expérimentale des méthodes.