Intégrer Linéact au sein de CESI pour un stage de recherche serait une formidable opportunité de contribuer à des projets innovants, tout en approfondissant mes compétences dans un environnement à la pointe de la transformation numérique et de l’industrie 4.0.

Travaux de Recherche

Sujet de thèse/ stage résumé

Développement et implémentation d’une approche pour livrer en milieu hospitalier des médicaments aux divers patients dans leur chambre respective. On emploiera pour cela un robot humanoïde TIAGo++, mieux apprécié par les populations non-technophiles que les robots non-humanoïdes. Ce robot devra planifier un chemin de livraison en prenant en compte la position des différentes chambres des patients, les médicaments prescrits, la potentielle durée autorisée des médicaments hors lieu réfrigéré et son propre niveau de batterie.

Contexte scientifique

Dans un contexte de transformation numérique accéléré, notamment depuis le COVID-19, le milieu médical se tourne de plus en plus vers les nouvelles technologies pour répondre à divers défis (vieillissement de la population, épidémies, pénurie de soignants, ressources limitées). L’intelligence artificielle (LLM, IA générative…) et la robotique, en particulier les robots humanoïdes, connaissent un essor important. Enfin, la recherche opérationnelle apporte des outils d'optimisation pour la planification, la gestion des ressources et l'aide à la décision.

Ces technologies peuvent soit renforcer des compétences existantes (bras robotisés chirurgicaux, IA diagnostique), soit automatiser des tâches répétitives : livraison de médicaments et repas, transport d'échantillons biologiques, gestion des stocks, nettoyage et désinfection. Cette automatisation libère du temps précieux pour que le personnel soignant se concentre sur les soins directs aux patients.

Enjeux de la logistique médicamenteuse :

La logistique médicamenteuse, qui inclut les flux entre la pharmacie centrale, les unités de soins et parfois les chambres, présente un fort potentiel d’optimisation. Les erreurs médicamenteuses constituent un problème majeur : selon l’OMS, elles comptent parmi les événements indésirables évitables les plus fréquents en milieu hospitalier [1].

Les robots déjà déployés dans le domaine médical concernent principalement la surveillance et l’assistance aux personnes âgées, tant sur le plan cognitif (rappels, soutien, stimulation) que physique (livraison d’objets, aide à la prise des repas). D’autres travaux portent sur l’accompagnement d’enfants ayant des troubles du développement, comme l’autisme [2].

Robots déjà déployés dans les hôpitaux :

Certains robots remplissent plusieurs rôles au cours d’une même journée. C’est le cas du robot Lio [3], utilisé dans sept établissements en Allemagne et en Suisse, capable d’assurer des livraisons (courrier, échantillons sanguins), d’animer les patients et de contribuer à la continuité des soins (rappels, visites de chambre). D’autres robots, disponibles dans le commerce, sont déjà intégrés dans les hôpitaux pour le transport logistique. Par exemple :

· le robot mobile TUG [4] (Aethon), utilisé pour la livraison de médicaments, repas, fournitures, analyses ou déchets, mais dépendant du personnel pour le chargement et le déchargement ;

· le robot Moxi [5] (Diligent Robotics), dédié à l’acheminement de fournitures, d’échantillons de laboratoire et au transport de linge. Il apprend la configuration de l’hôpital, se déplace de manière autonome en évitant obstacles et flux humains, et a montré une bonne acceptation du personnel et des patients, même si ses interactions restent limitées et sans contact direct.

Sujet de stage

Le robot humanoïde TIAGo++, développé par Pal Robotics et basé sur ROS, constitue une plateforme entièrement personnalisable pour la recherche en intelligence artificielle, apprentissage automatique et interaction humain-robot [6]. Équipé d’une caméra, du Wi-Fi, de deux bras manipulateurs et de capteurs de navigation et de sécurité, il peut percevoir son environnement, interagir physiquement avec lui et communiquer avec des infrastructures numériques (bases de données, jumeau numérique…).

Une étude récente [7] a montré son potentiel en milieu médical, en l’utilisant comme assistant pour personnes à mobilité réduite. L’architecture employée combinait navigation autonome, perception RGB-D et manipulation d’objets via un bras robotisé. Les tests en environnements simulés ont confirmé la faisabilité et une bonne acceptation, tout en révélant des limites (routines lentes, manipulation restreinte à certains objets).

Le défi : planification autonome des tournées :

Très peu d'études abordent actuellement la capacité des robots à planifier de manière autonome leurs tournées de livraison et l'ordonnancement de leurs tâches en milieu hospitalier. C'est précisément l'objectif de ce stage : développer une approche permettant à TIAGo++ de planifier et d'adapter en temps réel ses tournées de livraison médicamenteuse.

Problématique à résoudre :

Dans un contexte hospitalier, la distribution des médicaments constitue une tâche critique devant être réalisée de manière fiable, sécurisée et dans des délais strictement définis. Le problème consiste à développer des algorithmes permettant à TIAGo++ de planifier ses tournées pour assurer la livraison de l'ensemble des médicaments aux patients dans les intervalles temporels prescrits.

Contraintes à intégrer :

§ Les médicaments possèdent une durée de conservation limitée hors réfrigérateur et doivent être livrés dans des fenêtres temporelles strictes.

§ Les patients, affectés à une chambre donnée, doivent recevoir un ou plusieurs traitements dans des créneaux horaires définis.

§ Le robot doit parcourir un réseau de chambres avec des temps de déplacement associés, tout en gérant son autonomie énergétique. Lorsqu'il atteint un seuil critique, un retour obligatoire à la station de recharge s'impose, entraînant un temps supplémentaire.

Objectifs :

L'objectif principal est de garantir la livraison de tous les médicaments dans les délais impartis, en minimisant les temps de trajet et en respectant les contraintes de conservation et d'autonomie énergétique du robot.

Antériorité du sujet dans le laboratoire

A travers tous ses campus en France, CESI LINEACT a déjà utilisé le TIAGo++ dans différents projets de recherche comme de la localisation en intérieur [8] ou de la reconnaissance d’émotions [9]. Sur le campus de Nancy particulièrement, le robot TIAGo++ est mis à disposition des chercheurs et des étudiants afin d’explorer des scénarios appliqués à la logistique et à l’assistance. Il est également utilisé dans la promotion de la science et de l’informatique [10].

Programme de travail :

0.25 page maximum – préciser les étapes et le planning

● Réalisation de l’état de l’art

● Prise en main du robot et habilitation à son utilisation

● Cartographie de l’environnement cible

● Modélisation du problème de planification de la livraison

● Développement d’algorithmes de planification de tournées (Recherche Opérationnelle & Intelligence Artificielle)

● Expérimentations sur la plateforme robotique

● Analyse et interprétation des résultats obtenus

● Rédaction et valorisation scientifique (article, rapport de stage)

Production scientifique/technique attendue

● Un outil opérationnel de planification de la livraison de médicaments, directement exploitable par le robot humanoïde TIAGo++.

● Une expérimentation pratique de l’approche proposée, accompagnée de l’analyse des données issues de cette mise en œuvre.

● La rédaction d’un article scientifique (conférence ou revue) portant sur l’utilisation de TIAGo++ pour la livraison de médicaments en milieu hospitalier.

Contexte

Présentation du laboratoire

CESI LINEACT (UR 7527), Laboratoire d'Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l’entreprise et en partenariat avec elles. Une approche centrée sur l’humain et couplée à l’utilisation des technologies, ainsi que le maillage territorial et les liens avec la formation, ont permis de construire une recherche transversale ; elle met l’humain, ses besoins et ses usages, au centre de ses problématiques et aborde l’angle technologique au travers de ces apports. 

Sa recherche est organisée selon deux équipes scientifiques interdisciplinaires et plusieurs domaines applicatifs. 

L’équipe 1 "Apprendre et Innover" relève principalement des Sciences cognitives, Sciences sociales et Sciences de gestion, Sciences et techniques de la formation et celles de l’innovation. Les principaux objectifs scientifiques visés sont la compréhension des effets de l'environnement, et plus particulièrement des situations instrumentées par des objets techniques (plateformes, ateliers de prototypage, systèmes immersifs...) sur les processus d'apprentissage, de créativité et d’innovation. 

L’équipe 2 "Ingénierie et Outils Numériques" relève principalement des Sciences du Numérique et de l'Ingénierie. Les principaux objectifs scientifiques portent sur la modélisation, la simulation, l’optimisation et le pilotage de composants, systèmes et processus complexes et des interactions Humains-systèmes dans des systèmes cyber-physiques et jumeaux numériques. 

Ces deux équipes développent et croisent leurs recherches dans les domaines applicatifs de l'Industrie du Futur, de la Ville du Futur et des services numériques, soutenues par des plateformes de recherche, principalement celle de Rouen dédiée à l’Usine du Futur et celles de Nanterre dédiée à l’Usine et au Bâtiment du Futur. 

Positionnement dans les axes de recherche du laboratoire

Le sujet de stage s’inscrit dans les activités de recherche de l’équipe « Ingénierie et Outils Numériques » du laboratoire CESI LINEACT, en particulier dans la thématique de Interactions Humains systèmes et dans un second temps dans la thématique Gestion et décision : Planification, Ordonnancement dynamique et Pilotage

Requirements:

Profil recherché :

Compétences scientifiques et techniques :

• Être en dernière année de master en ingénierie, intelligence artificielle, data science, recherche opérationnelle, informatique, mathématiques appliquées ou tout domaine connexe.  

• Posséder de solides connaissances en apprentissage automatique et algorithmes d’optimisation. 

• Avoir de fortes compétences en programmation dans les langages C/C++/Python. 

• Savoir travailler avec GitHub. 

Compétences relationnelles :

• Etre autonome, avoir un esprit d’initiative et de curiosité,

• Savoir travailler en équipe et avoir un bon relationnel,

• Etre rigoureux

• Communiquer efficacement avec son encadrant

Gratification à 15% du plafond horaire de la Sécurité Sociale

Date de début : Février 2026

Votre candidature devra comporter :

• Un Curriculum-Vitae ;

• Une lettre de motivation pour le sujet ;

• Notes du parcours (Licence ou autre) et du master en cours ; 

• Lettres de recommandation si disponibles.  

Références. 

1] https://www.who.int/fr/initiatives/medication-without-harm

[2] Kyrarini, M., Lygerakis, F., Rajavenkatanarayanan, A., Sevastopoulos, C., Nambiappan, H. R., Chaitanya, K. K., Babu, A. R., Mathew, J., & Makedon, F. (2021). A Survey of Robots in Healthcare. Technologies, 9(1), 8. https://doi.org/10.3390/technologies9010008

[3] Mišeikis, J., Caroni, P., Duchamp, P., Gasser, A., Marko, R., Mišeikienė, N., ... & Früh, H. (2020). Lio-a personal robot assistant for human-robot interaction and care applications. IEEE Robotics and Automation Letters, 5(4), 5339-5346.

[4] Tug. Change Healthcare. Mobile Robots Improve Patient Care, Employee Satisfaction, Safety, Productivity and More. [5] Moxi Helps Hospitals and Clinical Staff. Available online: https://diligentrobots.com/moxi (accessed on 17 September 2020) [6] https://pal-robotics.com/

[7] Naranjo-Campos, F. J., De Matías-Martínez, A., Victores, J. G., Gutiérrez Dueñas, J. A., Alcaide, A., & Balaguer, C. (2024). Assistance in picking up and delivering objects for individuals with reduced mobility using the TIAGo robot. Applied Sciences, 14(17), 7536.

[8] Y. Ding, J. -F. Dollinger, V. Vauchey and M. Zghal, "Double-Layer Soft Data Fusion for Indoor Robot WiFi-Visual Localization," in IEEE Sensors Journal, vol. 25, no. 14, pp. 27029-27042, 15 July15, 2025, doi: 10.1109/JSEN.2025.3574094

[9] Yahyaoui, M. A., Oujabour, M., Letaifa, L. B., & Bohi, A. (2025). Multi-face emotion detection for effective Human-Robot Interaction. arXiv preprint arXiv:2501.07213.

[10] Challenge Tiago : une 2ᵉ édition réussie pour promouvoir l’inclusion et l’égalité https://nancy.cesi.fr/fr/actualites/challenge-tiago-une-2%E1%B5%89-edition-reussie-pour-promouvoir-linclusion-et-legalite/