Recrutement

Vous êtes intéressés par l'apport de l'intelligence artificielle dans la construction de modèles physiques pour répondre aux enjeux et besoins des nouveaux services de mobilité ? Le laboratoire commun inmob sur le campus de Nantes de l'université Gustave Eiffel de France, pourrait être la prochaine étape de de votre carrière.

Contexte

Les recherches du Laboratoire Geoloc de l’Université Gustave Eiffel s’intéressent au développement de méthodes et systèmes de positionnement dynamique pour le voyageur. Il dispose d’un large champ de compétences en conception et programmation d’algorithmes de géolocalisation sans balise avec des moyens d’essais originaux. La société Okeenea Digital est une société innovante issue du groupe Okeenea spécialisée depuis 26 ans dans la conception et la fourniture de solutions d’accessibilité pour améliorer la mobilité en situation de handicap. Ces deux organismes se sont associés dans le laboratoire commun inmob (cartographie du handicap par mesure inertielle pour faciliter la mobilité) afin d'améliorer la mobilité des personnes en situation de handicap.

Notre ambition est de concevoir de nouvelles approches basées sur l'intelligence artificielle pour construire des modèles physiques qui décrivent les spécificités individuelles de déplacement des personnes en situation de handicap et ainsi individualiser les approches. Ces recherches vont permettre d'accroitre les performances des technologies actuelles de géolocalisation encore insuffisantes pour accompagner un aveugle ou une personne déficiente auditive sur tout son itinéraire et en toute sécurité sans dépendre d'un réseau très dense de balises. Pour renforcer l'équipe du labcom et contribuer aux travaux en intelligence artificielle au service de la mobilité, nous recherchons un candidat en thèse doctorale, idéalement avec des compétences complémentaires en physique/mathématique et intelligence artificielle.

Sujet de recherche

De nombreuses applications basées sur les smartphones aident à la navigation des personnes. Elles exploitent les signaux GPS, Wifi, Bluetooth, du téléphone portable, de la caméra et de l'inertie pour calculer les coordonnées géographiques. Mais leur précision est encore insuffisante pour les applications où les accidents sont possibles. Les itinéraires estimés souffrent de dérives et d'erreurs de positionnement dues à la faible qualité des capteurs embarqués dans le smartphone et aux obstacles environnants. Des balises (tags Bluetooth, autres tags de l'Internet des objets) peuvent être utilisés pour améliorer les performances, mais elles nécessitent une infrastructure spécifique de capteurs déployés en ville. Il est également possible de considérer des points d'intérêt virtuels, tels que les transitions entre l'extérieur et l'intérieur ou la montée/descente d'escaliers, pour corriger les coordonnées grâce aux données cartographiques et au contenu du système d'information géographique associé. Si ce concept est bien connu, il souffre d'un manque de robustesse et n'est pas adapté aux besoins spécifiques des personnes en situation de handicap. A l'image des applications qui intègrent les spécificités d'usage (par ex Soundscape) au coeur de le R&D, cette thèse vise à observer les comportements des déficients visuels pour proposer des nouvelles balises virtuelles qui leur sont propre.

Objectif de recherche

Cette thèse vise à apprendre les motifs propres à la mobilité des déficients visuels pour construire des bases de données de balises virtuelles qui permettront en phase d’exploitation des recalages opportun de la trace. Les travaux débuteront par la lecture et l'analyser des articles sur les méthodes de reconnaissance des déplacements de formes à partir de signaux et d'images. Les codes existants de correspondance de cartes et de reconnaissance de formes des algorithmes de "pedestrian dead-reckoning" devront être repensés pour identifier les besoins de recalage sur balises virtuelles. Observer et identifier par des expériences les points d'intérêt virtuels liés à la situation de handicap et plus particulièrement des déficients visuels sera une étape clé des recherches. Il s'agira ensuite de proposer et tester des méthodes d'apprentissage automatique ou d'apprentissage profond pour reconnaître ces points d'intérêt. L’objectif final étant de porter ces approches sur smartphone pour améliorer et sécuriser le guidage de déficients visuels en transport multimodal.

Compétences requises

• Titulaire d’un diplôme d’ingénieur / MSc 2 en : traitement du signal, géomatique, intelligence artificielle ou sciences informatiques
• Maitrise du traitement du signal/d'image, de la fouille de données, des mathématiques appliquées, des méthodes d’apprentissage automatique et des statistiques
• Connaissance en positionnement par fusion multi-capteur et théorie de l’estimation
• Solides compétences en programmation Python, Matlab et TensorFlow (cpp souhaité)
• Expérience de travail dans l'utilisation du « machine learning » appliqué au domaine de la physique
• Capacité éprouvée d'intégration des données à grande échelle
• Compréhension des technologies des objets connectés et de la programmation sous Android
• Capacité à intégrer efficacement les résultats de la recherche dans les publications et la propriété intellectuelle
• Créativité et ouverture à l'innovation
• Enthousiasme, responsabilité et excellentes capacités de collaboration
• Passion pour la production de données de haute qualité
• Solides compétences orales et écrites en Anglais