CIFRE - Agent de Langage pour véhicule autonome

Company

AMPERE SOFTWARE TECHNOLOGY

Job Description

Votre environnement 

 Deux approches de la conduite autonome sont actuellement en compétition : une approche End-to-End (un unique modèle) et une approche modulaire (plusieurs modèles/algorithmes en série). En complément de ces deux approches, une nouvelle tendance émerge visant à utiliser des Large Language Models (LLM) pour réaliser des tâches de haut niveau de conduite autonome. Ces modèles, grâce à leurs capacités de généralisation, ont été récemment implémentés dans des véhicules de série. Le module de langage fonctionne en parallèle de la chaîne de traitement principale, avec une fréquence de réponse de l’ordre de la seconde.

Etat de l’art scientifique : La communauté scientifique reconnaît aux modèles LLM la capacité à produire une compréhension de « bon sens » et à gérer diverses tâches linguistiques. L’intérêt pour l’application des LLMs à la conduite autonome est croissant. Des travaux récents ont proposé des modèles VLM (Vision Language Model) combinant compréhension visuelle et textuelle des scènes de conduite, bien que coûteux en calcul. D’autres approches plus économiques appliquent un traitement LLM à des Bird Eye Views couplées à des informations cartographiques. Enfin, des travaux explorent une approche hybride couplant LLM et RL (Reinforcement Learning) pour mieux intégrer les contraintes de sécurité.

Vos missions

Objectifs de la thèse : Cette thèse vise à étudier l’aptitude des modèles LLMs à réaliser des tâches de conduite autonome « haut-niveau ». Elle se concentrera sur l’analyse des scènes de conduite pour étendre les capacités d’adaptation dynamique des fonctions d’aide à la conduite, tout en prenant en compte les contraintes d’embarquabilité (limitations en calcul et mémoire) propres aux véhicules automobiles.

Du point de vue méthodologique, on étudiera principalement des modèles LLMs de petite taille, utilisables en « zero/few-shots » afin de prendre en compte les contraintes en calcul et mémoire et limiter au minimum la phase d’entraînement des modèles. Les données traitées seront de type Bird Eye View couplées à des informations cartographiques. 

Avantages :

- Possibilité de travailler sur des projets innovants avec des experts du domaine. 

- Accès à des ressources et des technologies de pointe. 

- Environnement de travail dynamique et collaboratif. 

- Opportunité de contribuer à des avancées significatives dans le domaine des aides à la conduite. 

Profil recherché :

Formation souhaitée :  

Ingénieur ou Master en informatique 

Connaissances requises : 

Machine learning, mathématiques appliquées, informatique scientifique,  
très bonnes capacités de développement python et d’intégration de code tiers 

Aptitudes personnelles souhaitées : 

Motivation, autonomie et communication 

Job Family

Transverse

Contract Duration

36 months

Renault Group is committed to creating an inclusive working environment and the conditions for each of us to bring their passion, perform to the full and grow, whilst being themselves.  
We find strength in our diversity and we are engaged to ensure equal employment opportunities regardless of race, colour, ancestry, religion, gender, national origin, sexual orientation, age, citizenship, marital status, disability, gender identity, etc. If you have a disability or special need requiring layout of the workstation or work schedule, please let us know by completing this form.

In order to follow in real time the evolution of your applications and to stay in touch with us, we invite you to create a candidate account. This will take you no more than a minute and will also make it easier for you to apply in the future.

By submitting your CV or application, you authorise Renault Group to use and store information about you for the purposes of following up your application or future employment. This information will only be used by Renault Group companies as described in the Group privacy policy.