En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant en automatique (H/F) - Projet ANR CoCoVeIa

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR8201-JOSBRO-003
Lieu de travail : VALENCIENNES
Date de publication : lundi 11 mai 2020
Nom du responsable scientifique : Chouki SENTOUH
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 septembre 2020
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Titre : Développement de nouveaux algorithmes robustes de contrôle partagé pour l'élaboration de stratégies adaptatives de la conduite du Véhicule Automatisé : une approche par apprentissage progressif.

Dans cette thèse, l'objectif est de proposer une approche permettant au système d'apprendre à exécuter le mieux possible des manœuvres bien définies, modélisées au préalable de façon déterministe (pour le respect des règles de circulation et de la sécurité) dans un contexte de conduite partagée avec le conducteur afin d'améliorer l'efficacité et l'acceptabilité du système de conduite autonome. Pour ce faire, la présente thèse propose des solutions pour l'accroissement des compétences des automates de conduite via des propriétés « d'apprentissage progressif » des automatismes, apprentissage rendu possible par la mise en œuvre d'un partage continu du contrôle du véhicule. L'objectif est de développer des algorithmes robustes de planification de trajectoire et de contrôle permettant l'élaboration de stratégies adaptatives de la conduite du véhicule autonome (VA).
Missions principales
Le travail s'organisera autour de quatre tâches principales :
• Il convient tout d'abord de définir les situations complexes qui seront abordées dans la thèse (insertion, rond-point, carrefour, …), les principaux comportements qui feront l'objet d'une adaptation du système (pour la définition des scénarios expérimentaux) ainsi que les monitorings qui conditionneront ces adaptations. L'ensemble permettra d'orienter les choix méthodologiques.
• La 2ème étape vise à développer et à mettre au point un algorithme d'apprentissage progressif basé sur l'exécution de manœuvres en conduite partagée ou manuelle afin d'aboutir à un modèle fin du conducteur dans les situations retenues. Le modèle comportemental de conduite humain et les résultats de détection des intentions du conducteur sur un horizon temporel déterminé, seront utilisés pour spécifier les différentes stratégies de conduite et manœuvres réalisables par le VA. Sur cette base, un module de planification de manœuvres de conduite adaptative qui intègre en entrée les actions, l'état et les intentions du conducteur ainsi que l'état actuel de la situation de conduite sera développé. Ce dernier comprend un algorithme d'apprentissage qui considère en entrée le comportement et les réponses du conducteur aux plans de manœuvre proposés. Sur la base de ces données, le module de gestion de manœuvres apprend et améliore les plans de manœuvre permettant ainsi d'adapter son comportement aux préférences du conducteur pour certains plans de manœuvre. Le développement des algorithmes d'apprentissage sera réalisé en collaboration avec d'autres partenaires du projet.
• L'objet de la 3ème phase est de développer de nouveaux algorithmes robustes de planification de trajectoire et de contrôle pour la résolution de conflits et l'élaboration de stratégies adaptatives de la conduite du Véhicule Automatisé. Le passage d'une stratégie à une autre sera fonction d'éléments en provenance de l'environnement mais également d'indicateurs comportementaux issus de la phase précédente. Les stratégies de conduite et les manœuvres seront implémentées sous forme d'algorithmes robustes de planification locale de trajectoires et de contrôle. Les algorithmes de planification pourront être reconfigurés en temps réel afin d'assurer les transitions entre manœuvres en tenant compte de l'évaluation d'indicateurs de risque par rapport à des situations courantes, à des manœuvres en cours ou à des limitations de fonctionnement (définition de trajectoires de risque minimum ou d'arrêt d'urgence).
• La 4ème phase vise à intégrer dans le simulateur dynamique SHERPA-LAMIH un prototype logiciel du système de contrôle partagé et de l'IHM « adaptative » spécifiée dans une autre tâche du projet pour la gestion de l'apprentissage. Elle vise également à mettre en place une expérimentation de validation fonctionnelle afin d'évaluer les choix effectués précédemment selon les cas d'usages définis dans le projet. Cette sous-tâche permettra de valider l'ensemble des algorithmes et systèmes développés.

Profil du candidat
Les candidats doivent détenir, ou être sur le point de terminer un diplôme de Master en Automatique, mathématiques appliquées ou équivalent, avec une solide formation théorique et un intérêt pour l'ingénierie des systèmes contrôle-commande. Plus généralement, le candidat retenu devra avoir des compétences en modélisation et contrôle de systèmes complexes, et un fort intérêt pour les systèmes homme-machine et les aspects validations expérimentales. Le candidat doit montrer un fort intérêt à s'engager dans des recherches innovantes de haut niveau. Une bonne maîtrise de l'anglais est nécessaire pour publier et présenter les résultats lors de conférences internationales et dans des revues internationales.

Contexte de travail

Les interactions homme-machine dans les véhicules automatisés constituent aujourd'hui une problématique majeure pour le déploiement de ce type de véhicule, en particulier la question cruciale concernant le partage de la commande avec le conducteur. C'est pourquoi au cours de ces dernières années, différents projets de recherche se sont focalisés sur la question de la coopération Homme-Machine et la gestion de l'autorité. Des véhicules autonomes de niveau 2 et 3, selon la classification SAE, sont déjà commercialisés. Toutefois ceux-ci ne sont pour l'instant capables de gérer que des situations relativement simples de contrôle latéral et longitudinal, principalement dans des situations autoroutières ou sur route ouvertes (nationales par exemple).
Dans le cadre du projet ANR CoCoVeA (coordonné par le LAMIH-CNRS), un système de conduite automatisée coopératif de niveau 2 permettant la coopération avec le conducteur au niveau tactique (prise de décision) et au niveau opérationnel (contrôle) a été développé et validé sur la manœuvre de changement de voie. Les résultats de ce projet ont démontré l'intérêt de partager la conduite entre conducteur et automate, chacun étant ainsi en mesure de compléter l'action de l'autre sous forme d'une aide bilatérale. La validation du système dans une expérimentation sur simulateur a montré également que le déploiement des véhicules automatisés ne sera vraiment efficace et accepté que dès le moment où les prestations fournies par ces véhicules correspondront aux besoins des conducteurs, à leurs aptitudes et capacités mais aussi lorsqu'ils apporteront des assistances adaptées et personnalisées grâce à un design centré sur l'humain.
En se basant sur ces résultats en matière de conduite partagée, le projet ANR CoCoVéIA, coordonné par le LAMIH-CNRS, vise à intégrer au système des capacités d'auto-apprentissage, lui donnant la faculté d'analyser et de comprendre les actions du conducteur durant les phases de conduite partagée et manuelle, afin d'adapter son comportement aux préférences du conducteur et ainsi améliorer l'acceptabilité et la confiance. En apprenant sur des situations complexes (décisions du conducteur au niveau tactique), le système pourra étendre ses compétences et devenir ainsi, avec le temps, capable d'aider le conducteur dans des situations plus variées.

Contraintes et risques

Laboratoire susceptible d'être ZRR en fin d'année 2020.

Informations complémentaires

Equipe d'encadrement : Jean-Christophe Popieul (Prof.), Chouki Sentouh (MCF), Anh-Tu Nguyen (MCF)

Thèse financée dans le cadre du projet ANR CoCoVeIA.

Mots clés
Commande robuste, commande LPV, dynamique automobile, modélisation conducteur, optimisation multi-objectif, apprentissage progressif, coopération homme-machine.

1. CV comprenant votre expérience et vos connaissances professionnelles pertinentes,
2. Lettre de motivation et d'intérêts pour la recherche (avec les noms et adresses e-mail d'au moins deux personnes de référence), en expliquant pourquoi vous souhaitez poursuivre en doctorat, quels sont vos intérêts académiques, comment ils se rapportent à vos études précédentes et à vos objectifs futurs.
3. Copie du ou des certificats et relevés de notes universitaires de vos établissements universitaires antérieurs.

On en parle sur Twitter !