Intern, World Foundational Models Task-agnostic Latent Representations

InterDigital CE Patent Holdings, SAS; Rennes; On-site; EUR 12,000 - 18,000; Full time

Job summary

InterDigital recherche un stagiaire en informatique/ML pour rejoindre l’équipe haptique du groupe New Media Codec à Rennes. Vous explorerez et comparerez des modèles de world models, concevrez des applications et identifierez des inférences exploitables, avec des démonstrateurs potentiels pour publications et brevets.

Le stage implique des activités de programmation Python (PyTorch/TensorFlow), du travail sur des modèles de réseaux de neurones et des systèmes temps réel, dans un environnement

Qualifications

• Étudiant en master (ou 4e année) en informatique, ML, traitement du signal ou robotique.

Responsibilities

• Rejoindre l’équipe de recherche en haptique du groupe New Media Codec à InterDigital (Rennes).
• Évaluer et comparer des modèles, concevoir et implémenter des applications utilisant ces modèles.
• Identifier les types d’inférences envisageables et proposer des démonstrateurs.
• Explorer des agents autonomes et la détection d’alertes ou l’accompagnement des personnes âgées.
• Évaluer les méthodes et développer des démonstrateurs en vue publications et brevets.

Skills

Python programming

PyTorch

TensorFlow

Neural networks

Representation learning

Video/audio/time-series processing

C++

Education

Master student or 4th year engineering (Informatique, ML, traitement du signal, robotique]

Tools

PyTorch

TensorFlow

Job description

About InterDigital

About InterDigital InterDigital is a global research and development company focused primarily on wireless, video, artificial intelligence ("AI"), and related technologies. We design and develop foundational technologies that enable connected, immersive experiences in a broad range of communications and entertainment products and services. We license our innovations worldwide to companies providing such products and services, including makers of wireless communications devices, consumer electronics, IoT devices, cars and other motor vehicles, and providers of cloud-based services such as video streaming. As a leader in wireless technology, our engineers have designed and developed a wide range of innovations that are used in wireless products and networks, from the earliest digital cellular systems to 5G and today’s most advanced Wi‑Fi technologies. We are also a leader in video processing and video encoding/decoding technology, with a significant AI research effort that intersects with both wireless and video technologies. Founded in 1972, InterDigital is listed on Nasdaq. InterDigital is a registered trademark of InterDigital, Inc. For more information, visit: www.interdigital.com.

InterDigital is a global research and development company focused primarily on wireless, video, artificial intelligence ("AI"), and related technologies. We design and develop foundational technologies that enable connected, immersive experiences in a broad range of communications and entertainment products and services. We license our innovations worldwide to companies providing such products and services, including makers of wireless communications devices, consumer electronics, IoT devices, cars and other motor vehicles, and providers of cloud-based services such as video streaming. As a leader in wireless technology, our engineers have designed and developed a wide range of innovations that are used in wireless products and networks, from the earliest digital cellular systems to 5G and today’s most advanced Wi‑Fi technologies. We are also a leader in video processing and video encoding/decoding technology, with a significant AI research effort that intersects with both wireless and video technologies. Founded in 1972, InterDigital is listed on Nasdaq. InterDigital is a registered trademark of InterDigital, Inc. For more information, visit: https://www.interdigital.com/

Summary

Summary World Foundational Models (WFMs) are self-supervised AI models trained on vast datasets of sensor sequences (visual, sound, Lidar…) to learn the underlying physics, temporal dynamics, and spatial structures of physical environments. Rather than predicting full-resolution, high-dimensional pixels for future states—which is computationally expensive and spends capacity on irrelevant noise like background texture changes—modern WFMs learn task‑agnostic latent representations. The goal of this internship is to explore, benchmark, and evaluate how task‑agnostic latent spaces learned by existing World Foundational Models (like NVIDIA Cosmos, Meta’s V-JEPA or LeWorldMode) can infer information and interpret that information to take decisions. One expected outcome is to demonstrate that the WFMs are generic enough to infer different information for different applications. Target use cases may include autonomous navigation, elderly people surveillance, and anomaly detection. The work may lead to prototype software, internal demonstrators, and potentially publication and/or patent contributions.

Responsibilities

The intern will join the haptics research team within the New Media Codec group at InterDigital (Rennes). The work will consist in:

• Studying the state of the art on neural representations of world models
• Evaluate and compare different models
• Designing and implementing applications using those models and identify the type of inferences that can be expected
• Exploring agents able to use those inferences for some applications (autonomous robots, alert detection, elderly care…)
• Evaluating the proposed methods and developing demonstrators with potential contributions to publications and patents

Qualifications

• Master’s student (or 4th year engineering school) in Computer Science, Machine Learning, Signal Processing, Robotics, or related field
• Strong Python programming skills and experience with PyTorch or TensorFlow
• Good knowledge of neural networks, representation learning, and signal processing
• Nice to have: Experience with autoencoders, GANs, INRs, or generative models for temporal data
• Knowledge of video, audio, time‑series processing, or interactive systems
• Experience with C++, real‑time systems, or game engines

Keywords

Keywords: Neural Networks, Generative Models, Autoencoders, GANs, INR, Representation Learning, Procedural Generation, Autonomous systems

Expected Outcomes

Expected Outcomes: Prototype software, demos, potentially publications and patents

Location

Location: Rennes, France

Mentors

Mentors: Gurvan Lécuyer, Quentin Galvane

Equal Employment Opportunity

InterDigital is an equal employment opportunity employer. InterDigital will not engage in or tolerate unlawful discrimination with regard to any employment decision, policy or practice based on a person’s sex, gender, pregnancy (including childbirth, breastfeeding and related medical conditions), age, race, color, religion, creed, national origin, ancestry, citizenship, military status, veteran status, mental or physical disability, medical condition, genetic information, sexual orientation, gender identity or expression, or any other factor protected by applicable federal, state or local law. This policy applies to all terms and conditions of employment, including, but not limited to, recruiting, hiring, compensation, benefits, training, assignments, evaluations, coaching, promotion, discipline, discharge and layoff.

InterDigital est un employeur qui garantit l'égalité des chances en matière d'emploi. InterDigital ne pratique ni ne tolère aucune discrimination illicite dans ses décisions, politiques ou pratiques en matière d'emploi fondée sur le sexe, le genre, la grossesse (y compris l'accouchement, l'allaitement et les problèmes de santé qui y sont liés), l'âge, l'origine raciale, la couleur de peau, la religion, les convictions, l'origine nationale, l'ascendance, la nationalité, la situation militaire, le statut d'ancien combattant, le handicap mental ou physique, l'état de santé, les informations génétiques, l'orientation sexuelle, l'identité ou l'expression de genre, ou tout autre critère protégé par la législation fédérale, étatique ou locale applicable. Cette politique s'applique à l'ensemble des conditions d'emploi, notamment, sans que cette liste soit limitative, le recrutement, l'embauche, la rémunération, les avantages sociaux, la formation, les affectations, les évaluations, l'accompagnement, la promotion, les sanctions disciplinaires, le licenciement et les suppressions de postes.

À propos d'InterDigital

À propos d'InterDigital InterDigital est une société internationale de recherche et développement spécialisée principalement dans les technologies sans fil, la vidéo, l'intelligence artificielle ("IA") et les technologies associées. Nous concevons et développons des technologies fondamentales qui rendent possibles des expériences connectées et immersives dans un large éventail de produits et services de communication et de divertissement. Nous concédons des licences sur nos innovations dans le monde entier à des entreprises qui proposent ces produits et services, notamment des fabricants d'appareils de communication sans fil, d'électronique grand public, d'objets connectés (IoT), d'automobiles et d'autres véhicules à moteur, ainsi qu'à des fournisseurs de services cloud tels que la diffusion vidéo en streaming. Leader des technologies sans fil, InterDigital a vu ses ingénieurs concevoir et développer un large éventail d'innovations utilisées dans les produits et réseaux sans fil, des premiers systèmes cellulaires numériques jusqu'à la 5G et aux technologies Wi‑Fi les plus avancées d'aujourd'hui. Nous sommes également un leader du traitement vidéo et des technologies de codage et de décodage vidéo, avec un important effort de recherche en IA à la croisée des technologies sans fil et vidéo. Fondée en 1972, InterDigital est cotée au Nasdaq. InterDigital est une marque déposée d'InterDigital, Inc.

Résumé

Résumé Les modèles de fondation du monde physique (World Foundational Models, WFM) sont des modèles d'IA autosupervisés, entraînés sur de vastes jeux de données de séquences issues de capteurs (image, son, Lidar…) afin d'apprendre la physique sous-jacente, la dynamique temporelle et les structures spatiales des environnements physiques. Plutôt que de prédire les états futurs sous forme de pixels en pleine résolution et de grande dimension (ce qui est coûteux en calcul et consacre des capacités à un bruit sans intérêt, comme les variations de texture de l'arrière‑plan), les WFM modernes apprennent des représentations latentes indépendantes de la tâche. L'objectif de ce stage est d'explorer, de comparer et d'évaluer la manière dont les espaces latents indépendants de la tâche appris par des WFM existants (tels que NVIDIA Cosmos, V-JEPA de Meta ou LeWorldMode) permettent d'inférer des informations et de les interpréter pour prendre des décisions. L'un des résultats attendus est de démontrer que les WFM sont suffisamment génériques pour inférer des informations différentes selon les applications. Les cas d'usage visés pourront inclure la navigation autonome, la surveillance des personnes âgées et la détection d'anomalies. Les travaux pourront donner lieu à des prototypes logiciels, à des démonstrateurs internes et, le cas échéant, à des publications et/ou à des contributions à des brevets.

Missions

Missions La personne recrutée rejoindra l'équipe de recherche en haptique du groupe New Media Codec d'InterDigital (Rennes). Les travaux consisteront à : Étudier l'état de l'art des représentations neuronales des modèles du monde (world models) Évaluer et comparer différents modèles Concevoir et implémenter des applications utilisant ces modèles et identifier les types d'inférences envisageables Explorer des agents capables d'exploiter ces inférences pour certaines applications (robots autonomes, détection d'alertes, accompagnement des personnes âgées…) Évaluer les méthodes proposées et développer des démonstrateurs, avec de possibles contributions à des publications et à des brevets.

• Étudier l'état de l'art des représentations neuronales des modèles du monde (world models)
• Évaluer et comparer différents modèles
• Concevoir et implémenter des applications utilisant ces modèles et identifier les types d'inférences envisageables
• Explorer des agents capables d'exploiter ces inférences pour certaines applications (robots autonomes, détection d'alertes, accompagnement des personnes âgées…)
• Évaluer les méthodes proposées et développer des démonstrateurs, avec de possibles contributions à des publications et à des brevets

Profil recherché

• Étudiant ou étudiante en master (ou en 4e année d'école d'ingénieurs) en informatique, apprentissage automatique, traitement du signal, robotique ou dans un domaine connexe
• Solides compétences en programmation Python et expérience de PyTorch ou TensorFlow
• Bonne connaissance des réseaux de neurones, de l'apprentissage de représentations et du traitement du signal
• Atouts appréciés : Expérience des autoencodeurs, des GAN, des INR ou des modèles génératifs pour les données temporelles
• Connaissances en vidéo, audio, traitement de séries temporelles ou systèmes interactifs
• Expérience en C++, en systèmes temps réel ou en moteurs de jeu

Mots-clés :

Mots-clés : réseaux de neurones, modèles génératifs, autoencodeurs, GAN, INR, apprentissage des représentations, génération procédurale, systèmes autonomes

Résultats attendus :

Résultats attendus : prototypes logiciels, démonstrations, éventuellement publications et brevets

Lieu : Cesson‑Sévigné, France

Lieu : Cesson‑Sévigné, France

Encadrement :

Encadrement : Gurvan Lécuyer, Quentin Galvane