Thèse Datalake Embarqué Fiable et Fusion Multi-Échelle pour la Prise de Décision Collaborative Humain-Robot en Environnements Critiques H/F - Doctorat.Gouv.Fr

Établissement : Université de Limoges
École doctorale : Sciences et Ingénierie
Laboratoire de recherche : XLIM
Direction de la thèse : OUIDDAD LABBANI IGBIDA ORCID 0000000262096920
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-06-08T23:59:59

Cette thèse vise à concevoir une architecture edge-native distribuée et fiable capable d'intégrer, structurer et exploiter en temps réel des données issues d'opérateurs humains et de flottes de robots hétérogènes évoluant dans des environnements critiques et dynamiques. Les travaux porteront sur le traitement adaptatif et la synthèse de flux multi-capteurs (LiDAR, caméras, IMU, données sémantiques), la fusion multi-échelle de données incomplètes et incertaines, ainsi que le développement d'un datalake embarqué résilient fonctionnant sous fortes contraintes de connectivité, d'énergie et de calcul. La thèse explorera également l'intégration d'IA embarquée, notamment les Small Language Models (SLMs) et les modèles Perception-Language-Action (PLA), afin d'améliorer l'interaction humain-robot, le raisonnement autonome et la prise de décision collaborative en conditions dégradées.

Dans les opérations de secours à grande échelle (séismes, incendies, inondations, accidents industriels), la prise de décision dépend de l'exploitation rapide de données hétérogènes issues de robots et de systèmes distribués dans des environnements fortement dégradés et incertains. Cette thèse, menée en collaboration avec Pompiers de l'Urgence Internationale (PUI), vise à développer des infrastructures de données intelligentes et des systèmes robotiques coopératifs pour améliorer la perception de situation, l'évaluation des risques et la coordination des interventions en conditions critiques.

- Master's degree or Engineering degree in Robotics, Computer Science, Artificial Intelligence, Data Science, Embedded Systems, or a closely related field
- Strong background in at least several of the following domains is expected:
- multi-sensor data fusion, robotic perception and autonomous systems,
- data management and streaming architectures,
- machine learning or online learning,
- distributed systems and edge computing,
- Good experience with C/C++, Python, ROS, and data streaming tools (Apache Kafka, Apache Spark, Flink, or River/scikit-multiflow for online learning) and familiarity with deep learning tools such as Cuda, Keras, TensorFlow or PyTorch
- Good software engineering practices
- Experience with data preprocessing, augmentation, and utilizing various AI frameworks
- Experience with robotic middleware and software such as ROS/ROS2, real-time systems, or distributed robotic architectures would be considered a strong asset
- Knowledge of modern AI approaches for robotics, including foundation models, vision-language-action models, Small Language Models will be highly appreciated
- Excellent written English and communication skills
- Scientific curiosity, autonomy, and the ability to work independently and collaboratively within a multidisciplinary research environment

The project requires a strong interest in interdisciplinary research at the intersection of robotics, AI, distributed information systems, and field experimentation. The candidate should be able to conduct both theoretical and applied research, including algorithm development, system integration, experimentation, and scientific evaluation.