Zaynab EL  MAWAS

Ms. Zaynab EL MAWAS

orcid

Research Focus & Metrics

Academic Career Length

4Years (2023-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
23 August 2023 in Sensors
Verified
Journal Article
Open access
PDF file
ZMZaynab EL MAWAS
Zaynab EL MAWAS
CCCindy Cappelle
Cindy Cappelle
Mohamad DaherMohamad Daher
Mohamad Daher
MNMaan El Badaoui El Najjar
Maan El Badaoui El Najjar
Cooperation in multi-vehicle systems has gained great interest, as it has potential and requires proving safety conditions and integration. To localize themselves, vehicles observe the environment using sensors with various technologies, each prone to faults that can degrade the performance and reliability of the system. In this paper, we propose the coupling of model-based and data-driven techniques in diagnosis to produce a fault-tolerant cooperative localization solution. Consequently, prior knowledge can guide a discriminative model that learns from a labeled dataset of appropriately injected sensor faults to effectively identify and flag erroneous readings. Going further in security, we conduct a comparative study on learning techniques: centralized and federated. In centralized learning, fault indicators generated by model-based techniques from all vehicles are collected to train a single model, while federating the learning allows local models to be trained on each vehicle individually without sharing anything but the models to be aggregated. Logistic regression is used for learning where parameters are established prior to learning and contingent upon the input dimensionality. We evaluate the faults detection performance considering diverse fault scenarios, aiming to test the effectiveness of each and assess their performance in the context of sensor faults detection within a multi-vehicle system.

17 April 2025 in Autonomous Robots
Verified
Journal Article
Closed access
PDF file
ZMZaynab EL MAWAS
Zaynab EL MAWAS
CCCindy Cappelle
Cindy Cappelle
MNMaan El Badaoui El Najjar
Maan El Badaoui El Najjar


8 April 2026
Verified
Thesis
Closed access
ZMZaynab EL MAWAS
Zaynab EL MAWAS
La mobilité autonome et connectée est devenue un enjeu socio-économique majeur. Cependant, la sûreté et la sécurité des véhicules autonomes sont des freins au déploiement de ce type de véhicules. Dans ce contexte, les travaux de cette thèse ont pour objectifs d'une part de contribuer au développement de méthodes de diagnostic des défauts des capteurs et d'autre part de mettre en oeuvre une coopération entre les véhicules pour améliorer les performances de la localisation des véhicules autonomes.Concernant l'aspect diagnostic, nous proposons de coupler des techniques basées à la fois sur des modèles et des données afin de produire une solution de localisation coopérative tolérante aux défauts capteurs. Étant donnée la nature stochastique des mesures, nous avons choisi le formalisme informationnel, qui fournit des mesures de dissimilarité entre des distributions de probabilité appelées divergences. Dans le cadre de cette thèse, nous utilisons ainsi la divergence de Jensen-Shannon pour synthétiser des indicateurs de défauts, les résidus. Le seuillage de ces résidus permet alors de détecter et d'isoler les défauts capteurs. Par ailleurs, l'apport de l'apprentissage a été étudié pour la prise de décision du diagnostic. Deux modèles, l'un pour la détection et l'autre pour l'isolation, ont été entraînés, avec différents outils de l'apprentissage machine (perceptron multi-couches, arbre de décision et régression logistique).La coopération entre les véhicules a mené à la mise en place d'une architecture décentralisée pour la fusion de données multi-capteurs et le diagnostic. Cet aspect coopératif inter-véhicules permet une redondance informationnelle contribuant à l'amélioration des performances de l'estimation de la pose et du diagnostic. Les données issues de cette architecture ont permis de mettre en place un paradigme fédéré pour l'apprentissage.Les méthodes proposées ont été développées, testées et évaluées sur un ensemble de scénarios avec des défauts capteurs réels et injectés. Ces scénarios ont été créés en utilisant une base de données réelles acquises à l'aide d'une plateforme robotique conçue durant la thèse. Cet équipement de la plateforme PRETIL est constitué de trois robots communicants et instrumentés.