Contexte (Thèse CIFRE en partenariat avec TéSA, CNES et Viveris) Les essaims de nanosatellites sont appelés à transformer des domaines tels que l'observation de la Terre, l'exploration spatiale et les télécommunications en créant des constellations dynamiques, autonomes et résilientes.Cependant, à mesure que ces essaims gagnent en taille et en complexité, la gestion de leurs réseaux de communication devient un défi majeur. Les problématiques concernent notamment l'évolutivité, la gestion des ressources et la résilience face à des topologies en constante évolution. Problématique et objectifs : Cette thèse vise à développer des protocoles de communication adaptatifs pour les essaims de nanosatellites, intégrant des techniques d'apprentissage par renforcement (Reinforcement Learning, RL) afin d'optimiser les performances des réseaux.L'objectif principal est de proposer des protocoles robustes, capables de : -s'auto-organiser et s'adapter en temps réel aux variations de topologie, -gérer efficacement les ressources (bande passante, puissance et charge de calcul). Axes de recherche clés : - Protocoles de communication évolutifs : Développer des protocoles permettant de gérer les changements topologiques rapides, la forte mobilité et les ressources limitées des nanosatellites, tout en privilégiant l'adaptabilité, la fiabilité et la faible latence. - Apprentissage par renforcement pour l'optimisation réseau : Explorer des techniques de RL (Q-learning, deep RL) pour permettre une optimisation dynamique des stratégies de communication, notamment l'ajustement des configurations de liaison, le routage et l'allocation des ressources selon les performances réseau et les conditions environnementales. - Simulation et modélisation des essaims de nanosatellites : Utiliser des outils de simulation avancés (NS-3, OMNeT++, CNES SWARMS) et d'émulation (GoNetEm) pour modéliser les comportements des réseaux de nanosatellites et évaluer diverses stratégies de communication et algorithmes de RL. - Optimisation multi-objectifs : Équilibrer plusieurs paramètres réseau, tels que la puissance de transmission et les délais de communication, grâce à la prise de décision basée sur le RL, afin de réduire la latence, économiser l'énergie et assurer une transmission fiable des données.