Recrutement

Retrouvez toutes les informations ici : https://euraxess.ec.europa.eu/jobs/847876

Retrouvez toutes les informations ici : https://euraxess.ec.europa.eu/jobs/847861

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 inmob¹ (cartographie du handicap par mesure inertielle pour faciliter la mobilité) afin d'améliorer la mobilité des personnes en situation de handicap.

Sans dépendre d'un réseau dense de balises, les performances actuelles des technologies de positionnement ne sont pas suffisantes pour guider une personne malvoyante tout au long d'un itinéraire en toute sécurité. Notre ambition est de concevoir de nouvelles approches basées sur l'intelligence artificielle (IA) pour construire des modèles physiques qui décrivent les spécificités individuelles des démarches humaines. Pour renforcer l'équipe du laboratoire commun et contribuer à l'intégration des algorithmes développés pour la mobilité sur une application smartphone Android, nous recherchons un ingénieur de recherche ou un post-doctorant sur l'analyse des séries temporelles basée sur l'IA pour les systèmes embarqués.

¹https://anr.fr/Projet-ANR-20-LCV1-0002

Missions

L'ingénieur de recherche ou le postdoctorant sera chargé de l'analyse de la marche des piétons basée sur l'IA (telle que la détection des pas) à l'aide de signaux inertiels ou magnétiques, avec le soutien de l'expert en IA du laboratoire GEOLOC. En parallèle, il travaillera en collaboration avec la société Okeenea pour poursuivre la mise en œuvre des modèles ou algorithmes proposés en temps réel sur les applications Android et iOS. Les tâches suivantes sont incluses dans les lots de travaux :

• Évaluer et améliorer la robustesse de l'algorithme de détection de pas basé sur l'IA développé par le laboratoire GEOLOC [*] ;
• Implémenter l'algorithme précédent pour une utilisation en temps réel sur l'application Android GeolocIMU développée par l'algorithme GEOLOC (Android - Kotlin, C++) ;
• Participer à la conception des briques scientifiques et techniques de l'application Android en cours de développement ;
• Participer à la gestion et à l'administration du programme de recherche Inmob.
• Participer au suivi des travaux des doctorants et des stagiaires ;

Participer à la diffusion des connaissances dans des rapports et publications scientifiques .

[*] Al Abiad, N., Kone, Y., Renaudin, V., & Robert, T. (2022). Smartstep: A Robust STEP Detection Method Based on SMARTphone Inertial Signals Driven by Gait Learning. IEEE Sensors Journal, 22(12), 12288-12297.

Compétences requises

• Diplôme d’ingénieur, de Master 2 ou doctorat en : Informatique, Traitement du signal, Machine Learning ou tout autre discipline comparable.
• Experience préalable sur étude/développement de logiciel embarqué appréciée.
• Compétences en traitement de signal.
• Connaissance des langages C/C++, Python, Kotlin appréciée.
• Compréhension significative des technologies des objets connectés et du fonctionnement du machine learning.
• 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.

Contexte

Dans les bâtiments, l'utilisation du GPS est compliquée voire impossible. Les autres méthodes de positionnement basculent sur des balises ou des capteurs inertiels et magnétiques qui permettent de connaître sa position à chaque instant pour peu que sa position initiale soit connue. Une des difficultés de cette approche est que l'orientation initiale du piéton par rapport au Nord est inconnue, et ne peut être déduite des mesures des capteurs inertiels utilisés. Pour accéder à cette information, on peut utiliser un magnétomètre en mode boussole. Cependant, les perturbations magnétiques présentes en intérieur nécessitent d’être prises en compte pour obtenir de bonnes performances.

Une solution est de proposer une modélisation statistique de ces perturbations via, par exemple, un processus Gaussien. Cette idée a déjà été explorée avec succès de manière heuristique. L’objectif des recherches de ce poste est de poursuivre cette piste de recherches en utilisant des techniques de statistiques spatiales plus élaborées pour obtenir une modélisation plus performante de ces perturbations. 

Missions

• Participer au développement d’un savoir au sein de GEOLOC et du LAMA sur l’expertise en statistique croisée à celle de positionnement dynamique
• Procéder au recueil et à l’analyse des données magnétiques dans divers lieux et natures de bâtiments
• Développer une modélisation statistique du champ magnétique en intérieur en se basant sur l'état de l'art en statistiques spatiales
• Porter le modèle génératif en algorithme (offline, puis temps-réel) d'estimation du Nord magnétique sur des trajectoires intérieures
• Avoir une fonction d’interface entre les deux laboratoires Geoloc et LAMA
• Participer à la conception et à la formation sur les codes produits pour les approches statistiques développées
• Participer au montage de projets de recherche sur la base des recherches conduites
• Participer à la diffusion du savoir dans des rapports et publications scientifiques

Compétences requises

• Diplôme d’ingénieur, de Master 2 ou doctorat en : Informatique, Traitement du signal ou tout autre discipline comparable.
• Maitrise des outils informatiques et scientifiques pour l’étude de séries temporelles de signaux spatiaux.
• Compétences en traitement de signal.
• Connaissance en statistiques pour la modélisation de processus spatiaux.
• 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 de l'anglais scientifique.

Contexte

Financé par le programme NAVISP (Navigation Innovation and Support Program) de l'Agence Spatiale Européenne (ESA), le projet CHARLI vise à développer un système de positionnement multisensoriel monté sur le pied pour suivre les agents d'intervention d'urgence dans toutes sortes d'environnements. Le projet CHARLI compte deux partenaires : La société Nav4you - une start-up fournissant des solutions de localisation innovantes pour différents services et le laboratoire GEOLOC - un laboratoire de recherche développant des algorithmes de positionnement multimodal par fusion de capteurs. Le laboratoire GEOLOC a déjà développé des algorithmes de post-traitement pour les appareils portables en fusionnant étroitement les mesures du système de navigation inertielle (INS) et du système mondial de navigation par satellite (GNSS) à l'aide d'un algorithme de Time Differenced Carrier Phase (TDCP). Les principaux objectifs du postdoctorant sont d'abord d'adapter l'algorithme existant pour les appareils portables à celui des appareils portés au pied pour une utilisation en temps réel. Ensuite, la qualité des mesures GNSS et l'erreur de position du système seront estimées à l'aide de techniques d'intelligence artificielle (IA), qui pourront être appliquées pour corriger les estimations finales de la position.

Missions

Le postdoctorant travaillera à la fois dans un environnement académique avec les chercheurs du laboratoire GEOLOC et dans un environnement industriel avec Nav4you pour développer le dispositif de positionnement. Par conséquent, des compétences en matière de conception d'algorithmes et d'implémentation en temps réel sont requises. Il ou elle sera chargé(e) des tâches suivantes :

• Adaptation de l'algorithme de couplage INS/GNSS existant pour le dispositif monté sur pied en prenant en compte la dynamique du mouvement du pied ;
• Implémentation de l'algorithme proposé dans le système embarqué développé par Nav4you pour une utilisation en temps réel (Python ou C++) ;
• Développement d'un modèle IA pour l'estimation de l'erreur de position résiduelle [*] en utilisant des mesures brutes GNSS et/ou d'autres caractéristiques existantes dans la littérature ;
• Participation aux réunions de gestion et de suivi du projet ;
• Rédaction de rapports et de publications scientifiques.

[*] https://insidegnss.com/deus-in-the-machina-machine-learning-corrections-for-improved-position-accuracy/

Compétences requises

• Diplôme de doctorat en : Informatique, Traitement du signal, Machine Learning ou tout autre discipline comparable.
• Intelligence Artificielle (Machine Learning, Deep Learning, apprentissage par transfert, etc.),
• Compétences en traitement de signal.
• Connaissances en technologie de positionnement (notamment GNSS).
• Implémentation en temps réel sur système embarqué.
• Connaissance en développement informatique (Python, C++)
• Créativité et ouverture à l'innovation.
• Enthousiasme, excellentes capacités de collaboration.
• Gestion de projet.
• Anglais : communication et rédaction scientifique courantes.