Stage PFE Ingénieur de Recherche en Intelligence Artificielle > Grenoble > Joboolo FR :
Société : CEA-LIST Lieu : Grenoble Auverge-Rhône-Alpes
Description du posteSujet :
Réseaux de neurones artificiels de type graph (Graph Neural Network) appliqués à des données radar pour robotique autonomeLes algorithmes de deep learning (réseaux de neurones artificiels) ont démontré des performances exceptionnelles dans de nombreuses tâches (langage, vision..
.
), et sont de plus en plus utilisés dans le contexte de la navigation autonome.
En effet, de nombreuses applications de robotique (voitures autonomes, drones..
.
) requièrent une représentation et compréhension de l'environnement précise.
Les robots sont équipés de divers capteurs (caméra, capteur d'inertie, lidar..
.
) dont les données sont interprétées par des algorithmes (estimation de la position, détection et classification d'objets..
.
).
Parmi ces capteurs, les radar (radio detection and ranging) sont particulièrement intéressants car ils sont robustes à des conditions d'environnement dégradées (faible luminosité, mauvaise météo..
.
).
Cependant, ils produisent des données éparses avec une faible résolution, ce qui les rend difficiles à exploiter par les algorithmes traditionnels.
Récemment, les réseaux de neurones artificiels basés sur une représentation des données sous forme de graphe (Graph Neural Networks - GNN) ont montré une bonne précision sur des données de capteurs éparses et bruitées [1].
En conséquence, l'utilisation de GNN pour exploiter les données radar semble très prometteuse [2].L'objectif du stage sera d'implémenter des algorithmes de réseaux de neurones artificiels, en particulier GNN, pour interpréter des données issues de capteurs radar d'un drone terrestre ou aérien pour une application de perception autonome.
L'étudiant(e) sera intégré(e) dans une équipe pluridisciplinaire dynamique.
Il/elle bénéficiera d'une montée en compétence sur les réseaux de neurones artificiel et les applications de navigation autonome.
Mots-clés :
intelligenceartificielle, deep learning, réseaux de neurones artificiels, graph neural networks, vision par ordinateur, robotique, radar Références :
[1] Dalgaty et al, « HUGNet:
Hemi-Spherical Update Graph Neural Network applied to low-latency event-based optical flow » Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2023, pp.
3952-3961[2] Fent, et al., RadarGNN:
Transformation Invariant Graph Neural Network for Radar-based Perception, Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2023, pp.
182-191.Profil recherchéProfil recherché :
Etudiant(e) en dernière année d'école d'ingénieur ou Master 2 Compétences souhaitées :
Une connaissance approfondie en informatique et langages de programmation (notamment Python).
Des connaissances en intelligenceartificielle et une expérience dans les réseaux de neurones artificiels est un plus.
L'entretien de recrutement pourra faire référence aux deux publications citées.
Durée du stage :
6 mois CEA-LIST GrenobleAuverge-Rhône-Alpes Engineering Stage Débutant
