Ingénieur en Intelligence Artificielle - Stage - H/F
Société : Exail Lieu : Yvelines (Île-de-France)
Descriptif du poste
Société : Exail Catégorie : Stage Filiere : IT/Etudes, développement et intégration Lieu : Yvelines (Île-de-France)
Mission
#JoinOurCrew Mission Au sein de la division Systèmes de navigation et applications dExail, vous rejoignez l'équipe R&D chargée du développement des algorithmes pour nos centrales inertielles. Ces systèmes calculent en temps réel la position, la vitesse et l'orientation d'un véhicule en intégrant les mesures de sa quantité de mouvement réalisées par trois accéléromètres et trois gyromètres. Cependant, pour minimiser la dérive des erreurs et atténuer les bruits inhérents aux mesures inertielles, ces données doivent être fusionnées avec des mesures de capteurs externes, comme le GNSS ou lodomètre. Ce couplage est traditionnellement réalisé par un filtre de Kalman qui construit un estimateur récursif de type prédicteur-correcteur, minimisant lerreur quadratique moyenne pour des systèmes linéaires avec des bruits gaussiens et indépendants. Cependant, sa performance dépend de la précision des modèles et peut être dégradée quand les conditions doptimalité ne sont pas respectées, ce qui est souvent le cas en navigation. Par exemple, les mesures de distance LBL/USBL rencontrées en positionnement acoustique ne sont pas linéaires, tandis que le bruit des mesures GNSS est souvent corrélé dans le temps. Tirant parti des avancées récentes en apprentissage statistique, en particulier de leurs applications dans le domaine de lestimation, de nouvelles approches hybrides combinant le filtre de Kalman et les réseaux de neurones ont été développées [1]. Ces méthodes visent à améliorer la précision des estimations dans des conditions où les hypothèses classiques du filtre de Kalman ne sont plus satisfaites.Vos missions : Acquérir une compréhension théorique et pratique du filtre de Kalman classiqueRédiger une synthèse bibliographique sur lutilisation de lintelligence artificielle en navigation Maîtriser larchitecture algorithmique des méthodes destimation hybrides Kalman-IADéployer les approches Kalman-IA dans des conditions où le filtre de Kalman nest pas optimal :Estimer la hauteur de la houle à partir de données daccélération verticale et de laltitude GNSS dun porteur en merEstimer le biais dun accéléromètre classique à partir de données dinterférométrie atomique dun gravimètre quantiqueAnalyser les facultés de généralisation des approches Kalman-IAAssurer un suivi de vos travaux par des présentations régulières et des rapports intermédiairesDocumenter vos résultats en rédigeant un rapport scientifique selon les standards académiques Date de début : entre février et avril Durée : 6 mois Profile Pour mener à bien ces missions, vous devez avoir les compétences suivantes :Diplôme dingénieur généraliste ou M2 en mathématiques appliquées (en cours ou obtenu)Connaissances approfondies en intelligence artificielle pour les séries temporellesBonnes connaissances en statistiques et en traitement du signal.Excellente maîtrise de Python et PytorchCLIQUER ICI POUR POSTULER
