Doctorant en ia/ml fiable pour la planification des tâches d'agribots h/f

Doctorant en IA/ML fiable pour la planification des tâches d'Agribots H/F

Cette offre est disponible dans les langues suivantes :

Date Limite Candidature : jeudi 13 mars 2025 00:00:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler.


Informations générales

Intitulé de l'offre : Doctorant en IA/ML fiable pour la planification des tâches d'Agribots H/F
Référence : IRL2958-CRICOR-023
Nombre de Postes : 1
Lieu de travail : METZ
Date de publication : vendredi 13 décembre 2024
Type de contrat : CDD Doctorant
Durée du contrat : 36 mois
Date de début de la thèse : 19 février 2025
Quotité de travail : Complet
Rémunération : La rémunération est d'un minimum de 2200,00 € mensuel
Section(s) CN : 1 - Interactions, particules, noyaux du laboratoire au cosmos


Description du sujet de thèse

Ce doctorat s’inscrit dans le projet Europeen Marie Skłodowska-Curie Actions Doctoral Networks AIGreenBots “Artificial Intelligence and sensor-fusion systems in sustainable Robotics for precision agriculture” aigreenbots.eu.
Le doctorant ou la doctorante explorera des techniques de raisonnement pour la planification des tâches et la perception. En particulier, il/elle étudiera comment lier la meilleure stratégie pour une mission donnée à la perception, à la planification et à l’exécution de la mission, lorsque la représentation de l’état du monde intègre des incertitudes liées à l’environnement. Il/elle commencera par utiliser des planificateurs de tâches classiques et hiérarchiques pour calculer les plans des tâches. Ensuite, il/elle intégrera des techniques de l’état de l’art, telles que les Graph Neural Networks (GNN), pour sélectionner les actions les plus utiles à une réalisation fiable de la mission.

Objectifs :

1. Évaluer les planificateurs de tâches classiques et hiérarchiques existants dans le contexte des robots agricoles.
2. Mettre en œuvre une représentation de l’état du monde qui intègre les incertitudes liées à l’environnement.
3. Développer un framework basé sur les Graph Neural Networks pour évaluer l’utilité des actions en vue d’une exécution fiable de la mission.
4. Valider les résultats sur des plateformes réelles.


Contexte de travail

Cette thèse sera réalisée dans le contexte de l'IRL 2958 GT-CNRS, un laboratoire commun entre le Georgia Institute of Technology et le CNRS, sous la direction du prof. C. Pradalier, spécialiste en traitement d'image, robotique et machine learning. Comme tout projet Européen Doctoral Network, ce projet est une collaboration avec un ensemble de partenaires européens. Il demandera donc une certaine quantité de travail collaboratif et de communication. De plus, ce projet étant un Doctoral Network, le doctorant réalisera des stages chez des partenaires non académiques dans un pays différent que celui dans lequel se déroule le PhD. Le doctorant sera inscrit à l’Université de Lorraine, école doctorale IAEM.
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.


Contraintes et risques

Travail en informatique et machine learning : une partie importante du temps de travail sera faite sur écran. Des essais sur le terrain avec des robots réels seront aussi réalisés.

#J-18808-Ljbffr