Présentation du laboratoire d’accueil 

Le Laboratoire de Vision et Apprentissage pour l’analyse de scène (LVA) mène ses recherches dans le domaine de la Vision par Ordinateur (Computer Vision) selon quatre axes principaux :

• La reconnaissance visuelle (détection et/ou segmentation d’objets, de personnes, de patterns ; détection d’anomalies ; caractérisation)
• L’analyse du comportement (reconnaissance de gestes, d’actions, d’activités, de comportements anormaux ou spécifiques pour des individus, un groupe, une foule)
• L’annotation intelligente (annotation à grande échelle de données visuelles 2D/3D de manière semi-automatique)
• Les modèles de perception pour l’aide à la décision.

Description du stage

Nos actions de recherche sur les modèles de perception pour l’aide à la décision se focalisent sur le développement d’algorithmes de contrôle robuste à partir d’une observation visuelle basés l’apprentissage par renforcement. L’objectif est de proposer des solutions de manipulation robotique et de navigation autonome performantes pour nos partenaires industriels. Plusieurs défis scientifiques sont à relevés,  comme l’extraction d’information pertinents à partir d’une image ou d’une vidéo, ou encore l’apprentissage du modèle de dynamique du monde « world model » pour une planification robuste. Dans ce cadre, nous proposons à un chercheur stagiaire d’intégrer notre équipe de chercheurs travaillant sur le sujet et de contribuer à relever les défis qui définissent les technologies de demain.

Rôle

En tant que stagiaire vous collaborer avec nos chercheurs pour :

• Étudier l’état de l’art et identifier les méthodes pertinentes pour le problème en question 
• Implémenter les méthodes et conduire des expériences d’apprentissage
• Proposer des améliorations méthodologiques et algorithmiques
• Présenter les résultats de vos recherches

Profil

Pour candidater, vous devez:

• Être en master recherche avec une dominante : intelligence artificiel, apprentissage statistique, apprentissage par renforcement.
• Démontrer une capacité à conduire des recherches dans le domaine de l’intelligence artificiel et un fort intérêt pour le sujet de l’apprentissage par renforcement.
• Être familier avec les outils de développement de modèle d’apprentissage (Jax, Tensorflow, Pytorch)

#StageList