Maxime Vaidis

Maxime Vaidis

Started on
vaidis.maxime@gmail.com

Expertise: Stations totales robotisées, GNSS, cartographie souterraine, Iterative Closest Point, recalage

Pour me suivre:
Google Scholar Google Scholar
Research Gate Research Gate
Linkedin Linkedin
ORCID ORCID

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 système basé sur plusieurs stations totales robotisées afin d’obtenir les six degrés de liberté d’une plateforme robotique.

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

Projets impliqués

  • Projet RTS (recehrches principales)
  • Compétitions de DARPA (Urban et Final challenges respectivement en 2020 et 2021)
  • Projet Scutigera
  • Projet SNOW

Publications

Journal Articles

  1. Rouček, T., Pecka, M., Čížek, P., Petříček, T., Bayer, J., Šalanský, V., Azayev, T., Heřt, D., Petrlík, M., Báča, T., Spurný, V., Krátký, V., Petráček, P., Baril, D., Vaidis, M., Kubelka, V., Pomerleau, F., Faigl, J., Zimmermann, K., … Krajník, T. (2022). System for multi-robotic exploration of underground environments CTU-CRAS-NORLAB in the DARPA Subterranean Challenge. Field Robotics, 2(1), 1779–1818. https://doi.org/10.55417/fr.2022055
     Publisher  Bibtex source
  2. Baril, D., Deschênes, S.-P., Gamache, O., Vaidis, M., LaRocque, D., Laconte, J., Kubelka, V., Giguère, P., & Pomerleau, F. (2022). Kilometer-scale autonomous navigation in subarctic forests: challenges and lessons learned. Field Robotics, 2(1), 1628–1660. https://doi.org/10.55417/fr.2022050
     PDF Publisher  Bibtex source
  3. Chahine, G., Vaidis, M., Pomerleau, F., & Pradalier, C. (2021). Mapping in unstructured natural environment: A sensor fusion framework for wearable sensor suites. SN Applied Sciences, 3(5).
     Bibtex source

Conference Articles

  1. Vaidis, M., Dubois, W., Daum, E., LaRocque, D., & Pomerleau, F. (2023). Uncertainty analysis for accurate reference trajectories with robotic total stations. Proceedings of the IEEE International Conference on Intelligent Robots and Systems (IROS). Accepted for oral presentation
     Bibtex source
  2. Vaidis, M., Dubois, W., Guénette, A., Laconte, J., Kubelka, V., & Pomerleau, F. (2023). Extrinsic calibration for highly accurate trajectories reconstruction. Proceedings of the IEEE International Conference on Robotics and Automation (ICRA). https://arxiv.org/abs/2210.01048
     Publisher  Bibtex source
  3. Kubelka, V., Vaidis, M., & Pomerleau, F. (2022). Gravity-constrained point cloud registration. Proceedings of the IEEE International Conference on Intelligent Robots and Systems (IROS), 4873–4879. https://doi.org/10.1109/IROS47612.2022.9981916
     Publisher  Bibtex source
  4. 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
     PDF Publisher  Bibtex source
  5. 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 Best Robotic Vision Paper Award!
     PDF Publisher  Bibtex source

Miscellaneous

  1. Vaidis, M., Dubois, W., Guénette, A., Laconte, J., Kubelka, V., & Pomerleau, F. (2023). Extrinsic calibration for highly accurate trajectories reconstruction. Colloque REPARTI, Université Laval.
     Bibtex source
  2. 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. https://doi.org/10.1109/CRV52889.2021.00012
     Bibtex source