Thèse Perception Sémantique 3D Lidar pour la Navigation Robotique Autonome en Terrain Naturel par Transfert de Connaissances de Vlm. H/F - Doctorat_Gouv

Établissement : Mines Paris-PSL
École doctorale : ISMME - Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
Laboratoire de recherche : Mathématiques et Systèmes
Direction de la thèse : Jean-Emmanuel DESCHAUD ORCID 0000000266969354
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-06-30T23:59:59

Cette thèse vise le développement de méthodes avancées de perception 3D LiDAR pour la navigation autonome de robots en environnements ouverts et déstructurés. Elle s'appuie sur la segmentation sémantique en vocabulaire ouvert (c'est-à-dire exploitant le vocabulaire des LLM pour Large Language Models) et sur le transfert de connaissances issues de VLM pour Visual Language Models vers la 3D afin de rendre possible la compréhension de scènes 3D en terrain naturel.

Cette thèse s'inscrit ainsi dans les deux projets PEPR Robotique et PR[AI]RIE-PSAI avec une collaboration entre le Centre de Robotique de Mines Paris - PSL et l'Unité Informatique et Ingénierie des Systèmes (U2IS) de l'ENSTA - site de Palaiseau. Elle comprendra, outre un co-encadrement scientifique entre les deux laboratoires, l'accès au matériel de robotique d'extérieur de l'ENSTA et des échanges avec les chercheurs impliqués dans d'autres projets de robotique des Mines et de l'ENSTA.

- Diplôme niveau Master 2 (Bac +5)
- Rigueur scientifique et autonomie
- Connaissances en Vision 3D, Machine Learning, Deep Learning
- Bon niveau de programmation en Python, PyTorch et CUDA