Stage Innovation : Ingénieur Intelligence Artificielle Générative / Système de transport intelligent

Direct Emploi; Grenoble; On-site; EUR 45,000 - 65,000; Full time

Job summary

Direct Emploi propose un poste au sein du Lab de Grenoble, dans le cadre du projet LLMperception dédié à la détection avancée des piétons et à l'analyse de leur intention dans des situations d'occlusion pour les systèmes ADAS. Le rôle est encadré par un Pilote Innovation (Chef de projet) afin de développer les compétences sur les activités du projet.

Vous contribuerez à alimenter l'état de l'art sur les VLM et les graphes de contexte temporel, à faire évoluer l'architecture logicielle et à

Qualifications

• Description du poste et activité de recherche décrites dans le texte fourni.
• Travail en équipe autour de projets innovants dans le lab.
• Rédaction et présentation des résultats scientifiques.

Responsibilities

• alimenter l'état de l'art sur le domaine des VLM et des graphes de contexte temporel, ainsi que sur les modules de prédiction
• évolution de l'architecture logiciel de la solution
• implémentation et évaluation comparative de diverses approches pour valider la notrel analyse des performances selon plusieurs indicateurs identifiés dans la littérature scientifique
• rédaction d'un papier scientifique

Job description

Description du poste :

A la Direction de l'Innovation, nous menons des projets de recherche sur des champs d'expérimentation très larges et multi-sectoriels.

Ces projets innovants, développés en équipes, sont encadrés par nos experts au sein des ALTEN Labs (IDF, Toulouse, Grenoble, Rennes et Sophia Antipolis), et tentent de répondre aux enjeux de nos clients en leur fournissant des solutions technologiques originales et disruptives.Au sein de notre Lab de Grenoble, vous serez accompagné(e) par un Pilote Innovation (Chef de projet) pour vous permettre de développer vos compétences sur les activités du projet suivant.Projet : LLMperception - Détection avancée des piétons et de leur intention en situation d'occlusion pour les systèmes ADASLa compréhension de l'intention piéton et son évolution dans le temps est un point clé de la sureté des systèmes autonomes. Dans cette démarche, le projet exploite entre autre un VLM, un graph de contexte temporel et divers modèles de vision, pour :comprendre les relations entre les éléments dans la scène,suivre l'évolution de ses relations dans le temps,utiliser cette évolution pour nourrir notre module de prédiction.De plus, vous exploiterez des jeux de données annotés pour l'entraînement, l'inférence et l'évaluation des modèles.Vous participerez à :alimenter l'état de l'art sur le domaine des VLM et des graphes de contexte temporel, ainsi que sur les modules de prédiction.l'évolution de l'architecture logiciel de la solution.l'implémentation et évaluation comparative de diverses approches pour valider la notrel'analyse des performances selon plusieurs indicateurs identifiés dans la littérature scientifique.la rédaction d'un papier scientifique.