Prédiction de trajectoire pour la navigation autonome
CEA

Prédiction de trajectoire pour la navigation autonome

CEA
  • PhD / Postdoc / Thesis (From 24 to 36 months)
  • Grenoble (France)
  • Published on September 3 2021

RÉSUMÉ DU SUJET

Avec l'intérêt croissant pour les véhicules autonomes (AV), les systèmes de perception jouent un rôle central dans leur navigation, avec des développements actifs des communautés recherche et industrie automobile. Les systèmes de perception fournissent aux AVs des informations sur la situation de conduite. En pratique, des algorithmes avancés modélisent l'environnement du véhicule à l'aide d'une carte en traitant les données passées et présentes provenant de capteurs embarqués, par exemple des caméras, des LiDARs, des radars et des ultrasons. L'évolution future de l'environnement de conduite est prédite afin de planifier une trajectoire sûre, éviter des collisions et prendre des décisions quant à la navigation. 

Le CEA a mis au point une technologie embarquée de fusion de données exploitant le paradigme des grilles d'occupation qui modélisent l'environnement du véhicule. Cette grille fournit une estimation probabiliste des régions occupées et des régions libres. L'estimation du mouvement des obstacles est également en cours de développement. 

Cependant, l'estimation des trajectoires futures probables des obstacles en mouvement est indispensable pour prendre des décisions quant à la navigation. L'objectif de la thèse de doctorat est de développer un algorithme embarqué de prédiction des trajectoires pour la navigation autonome. La prédiction de trajectoire est un problème spatio-temporel (4D) où l'incertitude est essentielle pour évaluer les évolutions probables à court terme d'un scénario de conduite. La diversité des obstacles en mouvement rend la prédiction de trajectoire très difficile lorsqu'elle est intégrée à des plateformes informatiques légères.

En effet, une voiture en mouvement n'a pas le même degré de liberté qu'un piéton. Les modèles de prédiction peuvent prendre en compte la nature des obstacles en mouvement si cette information est disponible (par exemple, fournie par une intelligence artificielle). Dans le cas contraire, les modèles de prédiction doivent s'adapter en fonction des données disponibles. Au cours de la thèse, le doctorant se concentrera d'abord sur la modélisation probabiliste du mouvement et de la trajectoire. Ensuite, il proposera une solution algorithmique peu complexe pouvant être exécutée en temps réel sur une plateforme informatique embarquée, le doctorant étant hébergé dans une équipe dont l'expertise porte sur le développement de solutions de perception avancées et légères pouvant être intégrées dans des systèmes embarqués. Le doctorant collaborera avec des chercheurs, des ingénieurs et d'autres doctorants issus de divers domaines scientifiques. Le candidat doit avoir une solide formation mathématique en probabilités/statistiques, informatique et prototypage de logiciels (matlab/python, C++). Des connaissances et des compétences en intelligence artificielle et en fusion de données sont des atouts majeurs. 

FORMATION NIVEAU MASTER RECOMMANDÉ

master ou diplôme d'ingénieur en informatique ou traitement du signal


PERSONNE À CONTACTER PAR LE CANDIDAT

Tiana RAKOTOVAO 

CEA DRT/DSCIN/DSCIN/LIIM 

CEA Grenoble Avenue des Martyrs 50C 

Téléphone : +33 4 38 78 27 12 

Email : [email protected] 


UNIVERSITÉ / ÉCOLE DOCTORALE

Université Grenoble Alpes Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS) 


DIRECTEUR DE THÈSE

Suzanne LESECQ 

CEA DRT/DSCIN/DSCIN/LIIM 

CEA - 17 avenue des Martyrs 38054 Grenoble Cedex 9