Missions

Ce poste de deux ans s'inscrit dans le cadre du projet ANR-JCJC ToICar (Towards Collaborative Integrity for improved autonomy of a multi-robot system). Le contexte de ce projet est la navigation de systèmes multi-robots autonomes. Ce sont des robots qui peuvent se localiser dans leur environnement, le percevoir, l'interpréter sans interaction humaine, interagir avec d'autres robots en échangeant des informations pertinentes et qui prennent des décisions sûres pour accomplir leur mission. Cependant, jusqu'à présent, il n'existe aucune solution capable de fonctionner de manière autonome dans différents environnements sans intervention humaine. Le problème d'intégrité conduisant à la sécurité des robots mobiles freine leur déploiement. La notion d'intégrité est très importante lorsque la navigation autonome présente des risques de sécurité élevés où la probabilité d'accident doit être réduite au maximum comme dans le cas des véhicules autonomes [1]. Pour ce faire, la navigation nécessite une estimation précise et cohérente de la pose avec des entrées fiables du système de perception. Cependant, traiter ce problème du point de vue d'un seul robot nécessite une redondance accrue des capteurs à coût élevé à chaque niveau de perception et de décision. Ainsi, la collaboration entre robots apparaît comme une approche intéressante pouvant conduire à une solution précise et intègre grâce aux informations nombreuses et redondantes [2].
L'objectif de ce poste de deux ans est de faire progresser l'état de l'art en contribuant à la conception, au développement et au test d'algorithmes innovants dans les domaines de la perception et de la localisation pour une navigation autonome sûre de système multi-robots.

Activités

Les défis sur lesquels le candidat se concentrera sont les suivants :
- Fusion de données multi-capteurs et étude d'intégrité d'un système multi-robots.
- Le lien entre l'intégrité de l'estimation d'état et la perception (y inclut l'apprentissage)[3].
- Formulation du problème de quantification de l'incertitude dans les systèmes multi-robots.
- Adaptation de la méthode d'estimation d'état et développement de l'identification de défauts dans les systèmes multi-robots (collaboration avec un doctorant).
- Implémentation et tests sur des jeux de données multi-véhicules.

Références:
[1]J. Al Hage, P. Xu, P. Bonnifait, and J. Ibanez-Guzman, “Localization Integrity for Intelligent Vehicles Through Fault Detection and Position Error Characterization,” IEEE Transactions on Intelligent Transportation Systems, 2020.
[2]S. Schön et al., “Integrity and Collaboration in Dynamic Sensor Networks,” Sensors, vol. 18, no. 7, Art. no. 7, Jul. 2018.
[3]H. Chen, Y. Huang, W. Tian, Z. Gao, and L. Xiong, “MonoRUn: Monocular 3D Object Detection by Reconstruction and Uncertainty Propagation,” arXiv, arXiv:2103.12605, Mar. 2021.
[4]M. Escourrou, J. A. Hage, and P. Bonnifait, “Decentralized Collaborative Localization with Map Update using Schmidt-Kalman Filter,” in 2022 25th International Conference on Information Fusion (FUSION), Jul. 2022, pp. 1–8. (another publication with real experiment is under review)

Compétences

Les candidats doivent avoir une solide expérience dans un ou plusieurs des domaines de recherche suivants : estimation d'état, fusion de données multi-capteurs, localisation, perception robotique et apprentissage.
De même, ils doivent être capables de :
- gérer leur propre recherche académique et des étudiants (par exemple stage de master).
- communiquer en anglais et écrire pour des publications.

Les candidats doivent avoir de bonnes compétences en programmation en Python ou C++. Connaître ROS est un plus.
Curiosité scientifique, autonomie, rigueur et capacité à communiquer et à collaborer sont également attendues.

Un doctorat en robotique, en automatique ou en informatique (ou dans un domaine connexe) est requis.

Contexte de travail

Le chercheur collaborera avec un doctorant qui travaille sur le même projet. Le doctorant travaille sur le développement d'une méthode d'estimation d'état précise et intègre qui tire parti de l'apprentissage des paramètres. La méthode d'estimation d'état doit être adaptée au système collaboratif. De même, une localisation collaborative décentralisée utilisant des bâtiments et des nuages de points Lidar est développée dans une autre thèse [4]. Le chercheur aura accès à toutes les ressources.
Les solutions seront intégrées et testées sur un cas d'étude utilisant trois véhicules expérimentaux du laboratoire Heudiasyc. Ces véhicules sont équipés de différents capteurs : récepteurs GNSS, capteurs de vitesse de roue, Lidars, caméras standards et événementielles. Des cartes haute définition sont également disponibles.

Lieu de travail: Laboratoire Heudiasyc UMR CNRS 7253
Université de Technologie de Compiègne
Compiègne
Web site: www.hds.utc.fr
Le chercheur fera partie de SIVALab (laboratoire commun Renault/Heudiasyc/UTC) et bénéficiera des ses avantages.

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.