Doctorant en Informatique - Intelligence Artificielle H/F - Estaca

L ESTACA, école d'ingénieurs, forme des ingénieurs passionnés par les technologies qui répondent aux besoins de nouvelles mobilités et mène une recherche appliquée au service de tous les acteurs des transports (aéronautique, automobile, spatial, naval et transports guidés et ferroviaires).
L ESTACA c'est une formation d'ingénieur et des mastères spécialisés habilités par la CTI, ainsi que des équipes d'enseignants et de chercheurs qui accueillent plus de 2300 étudiants repartis sur 3 campus.OBJECTIFS DE LA THESE :
- Unification des données : Concevoir une représentation tensorielle étendue capable
d'englober simultanément les signaux continus et discrets, tout en préservant la configuration
spatiale propre aux scénarios urbains. Cette structure doit notamment intégrer la complexité de
l'infrastructure urbaine et la présence d'usagers vulnérables afin d'offrir un format d'entrée
stable et complet et exploitable par les modèles d'intelligence artificielle.
- Apprentissage frugal par Meta-Learning : Développer des méthodes d'apprentissage few shot issues du méta-learning pour permettre aux modèles de s'adapter efficacement à de
nouveaux scénarios urbains peu représentés ou totalement inédits, malgré la rareté des
annotations disponibles. L'objectif est de renforcer la généralisation des modèles dans des
contextes urbains variés et imprévus.
- Classification multilabel des manoeuvres co-occurrantes : Concevoir un modèle de
classification multilabel capable d'identifier simultanément plusieurs manoeuvres co occurrentes dans une même séquence temporelle. Le modèle s'appuiera sur des mécanismes
d'attention et un partitionnement spatio-temporel adapté pour capturer la complexité dynamique
des interactions urbaines.
- Augmentation par simulation et analyse en espace latent : Mettre en oeuvre une boucle
fermée « extraction projection latente analyse simulation » : les scénarios détectés
sont projetés dans l'espace latent d'un modèle génératif, où l'analyse des zones sous représentées permet d'identifier les lacunes du jeu de données. À partir de ces "trous" dans
l'espace latent, les variables d'entrée pertinentes sont déduites pour générer de nouveaux
scénarios via simulation réaliste.
- Détection « one-stage » à faible latence : Remplacer le pipeline bi-étape actuel (fenêtrage +
Non-Maximum Suppression) par une architecture légère, directe et efficace inspirée des
paradigmes « one-stage » tels que YOLO, Faster R-CNN, CLIP, ALIGN ou Florence, adaptée aux séries temporelles longues. Cette nouvelle architecture devra permettre une détection rapide, précise et robuste des scénarios complexes en un seul passage.
- Tokenisation des séries temporelles & backbones Transformer : Explorer une
représentation tokenisée de séries temporelles, découpées en patchs temporels fusionnant les
signaux continus et discrets, afin de tirer parti des architectures de type Transformer. Un pré entraînement auto-supervisé sur un corpus massif de scénarios VCS non annotés sera
envisagé, suivi d'un transfert vers le domaine urbain via un apprentissage few-shot.
- Quantification et maîtrise de l'incertitude : Intégrer des approches probabilistes, telles que
les deep ensembles ou l'inférence variationnelle, pour estimer la confiance des prédictions.
L'objectif est de fournir une évaluation fiable de l'incertitude, réduisant le taux de faux positifs et de faux négatifs, et apportant des garanties supplémentaires dans les processus de validation des systèmes AD/AD

Profil :
- Ingénieure ou titulaire d'un Master 2 en informatique, intelligence artificielle ou mathématiques
appliquées.
- Mots Clés :
Scénarios de conduite - Données urbaines - Intelligence artificielle - Méta-learning - Classification multilabel - Simulation de données - Série temporelle - Tokenisation - Transformers - Incertitude - ADAS - Véhicule autonome - Apprentissage frugal - Représentation latente - One-stage detection

Experience : Débutant accepté

Compétences : Concevoir et préparer les cours, les travaux dirigés ou les travaux pratiques, Enseigner, transmettre des connaissances, développer des compétences, Conduire des travaux d'études et de recherche

Langues : Anglais exigé, Français souhaité

Qualification : Agent de maîtrise

Secteur d'activité : Enseignement supérieur

Liste des qualités professionnelles :
Faire preuve de curiosité, d'ouverture d'esprit : Capacité à aller chercher au-delà de ce qui est donné à voir, à s'ouvrir sur la nouveauté et à investiguer pour comprendre et agir de façon appropriée.
Faire preuve de rigueur et de précision : Capacité à réaliser des tâches en suivant avec exactitude les règles, les procédures, les instructions qui ont été fournies, sans réaliser d'erreur et à transmettre clairement des informations. Se montrer ponctuel et respectueux des règles de savoir-vivre usuelles.
Organiser son travail selon les priorités et les objectifs : Capacité à planifier, prioriser, anticiper des actions, en tenant compte des moyens, des ressources, des objectifs et du calendrier pour les réaliser.