Rejoins OCTO respecte votre vie privée

Ce site web stocke des informations vous concernant via le dépôt de cookie afin de mesurer l’audience du site. Ces données de navigation sont anonymisées.

En cliquant sur « OK pour moi », vous manifestez votre consentement pour le dépôt de ces cookies.

Lire la politique de confidentialité

À propos des cookies

Sur ce site, nous utilisons des cookies pour mesurer notre audience, entretenir la relation avec vous et vous adresser de temps à autre du contenu qualitif ainsi que de la publicité. Vous pouvez sélectionner ici ceux que vous autorisez à rester ici.

Cookies
Blog Candidature spontanée
photo illustrative d'employés OCTO en train de travailler

Intégration des états extéroceptifs et de la dynamique dans la conduite autonome de véhicule.

Postuler
Scroll

Why
du stage.

Ou comment aller plus loin dans l’application de l’Intelligence Artificielle à la conduite autonome, en utilisant un autre type de capteurs que la seule caméra intégrée.

En partant de l’expérience OCTO, sur l’Active Inférence appliquée à la conduite autonome, nous proposons de faire évoluer le modèle existant, en intégrant un nouveau type de perception fournie au véhicule.

Profil.

  • Vous êtes actuellement en dernière année d’école d’ingénieurs ou université et vous cherchez un stage de fin d’études
  • Vous appréciez travailler sur un système de bout en bout et vous êtes motivé.e par le fait d’appliquer de l’IA à un cas concret
  • Vous êtes capable de coder un modèle et de faire du « hands on »
  • Vous aimez le Machine Learning : plonger dans un papier de recherche, plein de calculs matriciels et de dérivations de gradient ne vous fait pas peur
  • Vous êtes à l’aise avec Python, idéalement TensorFlow / Keras, voire équivalent
  • Idéalement vous avez une première expérience en Reinforcement Learning.

Missions.

  • Comprendre et expliquer les spécificités de l’application : de l’approche d’Intelligence Artificielle par inférence active à un problème de simulation de conduite autonome de voiture (pas de « reward », transformation du flux video, …)
  • Faire évoluer le modèle d’inférence active en utilisant la simulation Donkey, car portée sur OpenGYM, voire le simulateur d’un laboratoire spécialisé
  • Bonus : Mettre en oeuvre le modèle d’inférence active sur le prototype OCTO d’Iron Car (Octonomous)

Encadrement.

1. ​Etat de l’art

Se familiariser avec les différents algorithmes d’active inférence au travers d’une étude bibliographique et des mises en application simples.
Prendre connaissance des modèles d’inférence active à OCTO, appliqués à la conduite autonome et sur des sujets connexes

2.​ Cadrage

Faire évoluer l’architecture de l’algorithme à utiliser par l’agent, ainsi que les objectifs de performance du modèle
Recherche de métrique, intégration d’informations diversifiées (flux vidéo, mesures externes, mesures internes)

3. Réalisation

Amélioration de l’agent et de l’interface avec le simulateur, puis de se rapprocher de la réalité par itérations

 4. Mettre en oeuvre l’algorithme sur le prototype OCTO d’Iron Car

Déployer l’algorithme sur Octonomous afin d’évaluer ses performances en situation réelle, en fonction du temps imparti

5.​ ​Partage​ ​de​ ​connaissances

Outre les deux présentations obligatoires, vous pourrez partager vos avancées via :
· La rédaction d’un​ ​article​ sur le blog OCTO
· Des présentations / discussions ​informelles​ entre Octos

Et après...

Après la signature du CDI débute le Graduate Program, un accélérateur de carrière de 8 mois.

Conditions.

Stage de pré-embauche, Rémunération : 1500€/mois.

Postuler à cette offre