Modèles génératifs pour l’évaluation de la prise de décision pour les véhicules autonomes

Contexte du stage

Ce stage sera réalisé dans le cadre du projet SystemX EPI (Evaluation des performances de systèmes de décision à base d’IA), dont l’objectif principal est de définir une méthodologie d’évaluation des performances des systèmes de décision à base d’IA, dans le contexte du transport autonome et de l’environnement complexe incertain.

Cadre général

Il existe aujourd’hui des systèmes de conduite entièrement autonomes, à différents stades de développement et de tests en vue d’une commercialisation dans les années à venir. Plusieurs de ces nouveaux systèmes intègrent l’intelligence artificielle (IA) dans des fonctionnalités comme la perception, la prise de décision etc. La phase d’apprentissage de l’IA peut se faire en roulage réel ou avec de la simulation. Bien que l’intérêt des algorithmes à base d’IA pour la conduite autonome paraisse comme une évidence aujourd’hui, ces  algorithmes présentent néanmoins des inconvénients, par exemple :

  • Ils nécessitent une volumétrie de données assez conséquente et des milliers d’heures de roulage pour la construction de la vérité terrain nécessaire à l’apprentissage des réseaux de neurones profonds.
  • Ils manquent des garanties théoriques pour leur généralisation à de nouvelles situations non rencontrées pendant l’apprentissage.

Afin de favoriser les économies d’échelle et les synergies entre acteurs pour l’accumulation de la connaissance, dans le respect des contraintes industrielles et commerciales de ces acteurs, il devient nécessaire de définir des règles de mise en commun des données, des outils et méthodes d’évaluation des algorithmes embarqués sur les systèmes de transport autonome en particulier ceux à base d’IA.

Descriptif du stage

On suppose que des systèmes de perception et de fusion réalisés en amont fournissent au véhicule à piloter les positions, vitesses des véhicules alentour ainsi que le contexte du déplacement (ex. obstacles, conditions météorologiques, …). Un système de décision constitué d’un module construit par apprentissage est disponible, dont l’apprentissage se fait en utilisant un simulateur de conduite qui déroule des scénarios définis à l’avance. Ce système prend en entrée l’environnement du véhicule et produit en sortie les consignes pour le véhicule à piloter (ex. direction/cap et vitesse à respecter). L’objectif du stage est de développer des outils capables de détecter des défaillances de ce système. Le verrou scientifique réside dans la complexité de l’espace des paramètres, car il s’agit de données dynamiques de cinématique d’un ensemble de véhicules évoluant dans un environnement également évolutif.

Durant le stage, une approche du type « modèles génératifs » (GAN) sera explorée. En effet, ces modèles se sont montrés efficaces dans plusieurs situations similaires comme la détection des anomalies en imagerie médicale ou en cyber-sécurité.

Profil recherché

BAC + 5, dans le domaine du Machine learning pour un stage de 6 mois à compter de février 2019 au sein de l’IRT SYSTEMX à Palaiseau.

Connaissances des méthodes et outils du Machine learning, Deep learning, Big data, Python.

Candidature

Envoyer votre candidature (CV, lettre de motivation et relevé de notes) par email à : stages@irt-systemx.fr

Ce stage ouvre sur une thèse avec un constructeur automobile leader de la conduite autonome. La motivation pour poursuivre avec une thèse sera un plus.

Référence : STAGE_2019_EPI_16_02
Pour postuler : stages@irt-systemx.fr