fr
Université étatique (France), Parcourir ses opportunités similaires
SL-DRT-21-0644
Systèmes cyber-physiques - capteurs et actionneurs
Avec l'intérêt croissant pour les véhicules autonomes (AV), les systèmes de perception jouent un rôle central dans leur navigation, avec des développements actifs des communautés de la recherche et de l'industrie automobile. Les systèmes de perception fournissent aux AV des informations sur la situation de conduite. Fondamentalement, des algorithmes avancés modélisent l'environnement du véhicule à l'aide d'une carte en traitant les données passées et présentes des capteurs embarqués tels que les caméras, les LiDAR, les radars et les ultrasons. L'évolution future de l'environnement de conduite est prévue afin de planifier une trajectoire sûre, d'éviter les collisions et de prendre des décisions de navigation.CEA a développé une technologie brevetée de fusion de capteurs embarqués qui exploite le paradigme de la grille d'occupation pour modéliser l'environnement du véhicule. Cette grille fournit une estimation probabiliste des régions occupées et libres. L'estimation du mouvement des obstacles est également en cours de développement. Cependant, une couche de prédiction qui estime les trajectoires futures probables des obstacles en mouvement est toujours manquante. L'objectif de la thèse de doctorat est de développer un algorithme de prédiction de trajectoire embarqué pour la navigation autonome. La prédiction de trajectoire est un problème spatio-temporel (4D) où l'incertitude est essentielle pour évaluer l'évolution probable à court terme d'un scénario de conduite. La diversité des obstacles mobiles rend la prévision de trajectoire très difficile lorsqu'elle est intégrée dans des plates-formes informatiques légères. En fait, une voiture en mouvement n'a pas le même degré de liberté qu'un piéton. Les modèles de prédiction peuvent prendre en compte la nature des obstacles mobiles si ces informations sont disponibles (par exemple, fournies par l'intelligence artificielle). Sinon, les modèles de prédiction doivent s'adapter aux données disponibles. Au cours de la thèse, le doctorant se concentrera d'abord sur la modélisation probabiliste du mouvement et de la trajectoire. Ensuite, il proposera une solution algorithmique de faible complexité pouvant s'exécuter en temps réel sur une plateforme informatique embarquée. Le doctorant sera hébergé dans une équipe dont l'expertise est le développement de solutions de perception avancées et légères pouvant être intégrées dans des systèmes embarqués. Le doctorant collaborera avec des chercheurs, ingénieurs et autres doctorants de divers domaines scientifiques. Le candidat doit avoir une solide formation en mathématiques en probabilités / statistiques, en informatique et en prototypage de logiciels (matlab / python, C ++). Des connaissances et des compétences en intelligence artificielle et en fusion de données seront un plus.
Département Systèmes et Circuits Intégrés Numériques
Laboratoire Intelligence Intégrée Multi-capteurs
Grenoble
RAKOTOVAO Tiana
CEA
DRT / DSCIN / DSCIN / LIIM
CEA Grenoble Avenue des Martyrs 50C
Numéro de téléphone: 04.38.78.27.12
Courriel: tiana.rakotovao@cea.fr
Université Grenoble Alpes
Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)
Date de début le 01-09-2021
LESECQ Suzanne
CEA
DRT / DSCIN / DSCIN / LIIM
CEA - 17 avenue des Martyrs 38054 Grenoble Cedex 9
Numéro de téléphone: +33 (0) 4 38 78 55 11
Courriel: suzanne.lesecq@cea.fr
Choisissez le pays que vous souhaitez le visiter pour étudier gratuitement, travailler ou faire du bénévolat