Maxime Vaidis

Maxime Vaidis

Started on
vaidis.maxime@gmail.com

Expertise: Interactions homme-machine, cartographie souterraine, ICP, Iterative Closest Point, recalage

Pour me suivre:
Linkedin Linkedin
Mendeley Mendeley

Maxime Vaidis est actuellement un étudiant au doctorat au laboratoire Norlab. Il a effectué une formation en mathématiques et physique de deux ans dans les Classes Préparatoire aux Grandes Écoles de Faidherbe (Lille, France). Il possède également deux diplômes de Master, l’un en Génie éléctrique obtenu à l’UQAC (Université du Québec à Chicoutimi, Canada) et l’autre en Télécommunication et Informatique obtenu à Télécom Saint Etienne (Université Jean Monnet-Saint-Etienne, France). Il a effectué un stage à l’université de l’UQAC au laboratoire LAIMI (Laboratoire d’Automatisme et d’Intéractions 3D Multimodales) durant lequel il a participé au développement d’une semelle intelligente et à la création d’un nouveau type d’essaim de robots et de son intéraction avec l’opérateur humain. Il a également travaillé pour l’entreprise ConformiT à travers un contrat de recherche visant à développer un système de prévention d’accident au travail utilsant le Deep Learning. Son travail actuel est de développer un robot pouvant scanner et cartographier des grottes en utilisant des capteurs Lidar.

Education

  • Diplôme de Master en Génie Éléctrique à l’UQAC (Université du Québec à Chicoutimi, Canada), 2016-2018
  • Diplôme de Master en Télécommunication et Informatique à Télécom Saint Etienne (Université Jean Monnet-Saint-Etienne, France), 2014-2018
  • Classes Préparatoire aux Grandes Écoles en Mathématiques et Physique à Faidherbe (Lille, France), 2012-2014

Publications

Journal Articles

  1. Chahine, G., Vaidis, M., Pomerleau, F., & Pradalier, C. (2020). Mapping in unstructured natural environment: A sensor fusion framework for wearable sensor suites. SN Applied Sciences.
     Bibtex source

Conference Articles

  1. Vaidis, M., Giguère, P., Pomerleau, F., & Kubelka, V. (2021). Accurate outdoor ground truth based on total stations. 2021 18th Conference on Robots and Vision (CRV). https://arxiv.org/abs/2104.14396
     Publisher  Bibtex source
  2. Baril, D., Grondin, V., Deschenes, S., Laconte, J., Vaidis, M., Kubelka, V., Gallant, A., Giguere, P., & Pomerleau, F. (2020). Evaluation of Skid-Steering Kinematic Models for Subarctic Environments. 2020 17th Conference on Computer and Robot Vision (CRV), 198–205. https://doi.org/10.1109/CRV50864.2020.00034
     PDF Publisher  Bibtex source

Miscellaneous

  1. Vaidis, M., Laconte, J., Kubelka, V., & Pomerleau, F. (2020). Improving the Iterative Closest Point Algorithm using Lie Algebra. In IROS 2020 Workshop - Bringing geometric methods to robot learning, optimization and control.
     Bibtex source