Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Implémentation d'un outil d'analyse dynamique du risque pour des drones aériens H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2022-23243  

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Implémentation d'un outil d'analyse dynamique du risque pour des drones aériens H/F

Sujet de stage

Vous participerez pendant ce stage à l'implémentation d'un outil d'analyse dynamique du risque et à son application au cas d'usage de l'atterrissage d'un drone en milieu urbain.

Durée du contrat (en mois)

6

Description de l'offre

Contexte:

L'essor dans l'utilisation du deep learning pour les systèmes autonomes apporte des changements majeurs dans cette industrie. Ces technologies offrent de nouveaux défis vis-à-vis de l'évaluation et de la prévention des risques que ceux-ci peuvent engendrer. En effet, les limitations techniques des algorithmes de deep learning actuels (non interprétabilité/spécificabilité) rendent cette tâche impossible à résoudre par les méthodes existantes pour l'analyse des risques des systèmes de haute automatisation, c'est-à-dire sans la supervision constante d'un opérateur humain (niveau 3-5 sur la J3016[1]).

Une approche prometteuse utilisée notamment dans le framework R2U2 de la NASA [2] consiste à intégrer au sein du système un composant qui pourra évaluer en temps réel le niveau de risque de ce système et intervenir si ce risque est trop élevé.

Nous voudrions aller plus loin en créant une méthode de conception pour ce composant qui utilisera les connaissances accessibles sur le système, son environnement opérationnel (plus précisément son ODD [3]), et l'analyse du risque faite au préalable.Il nous faudra formaliser cette connaissance dans un modèle afin de permettre à notre algorithme de faire du raisonnement automatisé  (ces modèles sont appelés modèles ontologiques [4]). Ce modèle ontologique sera ensuite utilisé pour automatiser la conception d'un modèle probabiliste [5] qui pourra estimer en temps réel la probabilité d'accident du système autonome ainsi que le niveau d'incertitude dans l'estimation de cette probabilité.

[1] https://www.sae.org/news/2019/01/sae-updates-j3016-automated-driving-graphic

[2] https://ntrs.nasa.gov/citations/20190026747

[3] https://www.sae.org/news/2019/11/odds-for-av-testing

[4] https://fr.wikipedia.org/wiki/Ontologie_(informatique)

[5] https://fr.wikipedia.org/wiki/Mod%C3%A8le_graphique

[6] https://fr.wikipedia.org/wiki/R%C3%A9seau_bay%C3%A9sien

 

Objectifs:

Vous participerez pendant ce stage à l'implémentation de ce framework et à son application au cas d’usage de l'atterrissage d’un drone en milieu urbain.

 

Résultats Attendus:

Implémenter un modèle probabiliste (de type réseau bayésien [6]) fonctionnant en temps réel et avec un nombre de nœuds d’entrée pouvant varier au cours du temps;
Extraire depuis un simulateur les paramètres relatifs à l’environnement perçu par l’autopilot (force du vent, luminosité, présence d’obstacles…) et injecter les informations acquises dans le modèle probabiliste afin de pouvoir évaluer en temps réel le niveau de risque général du système.

Moyens / Méthodes / Logiciels

Eclipse Papyrus, Airsim, GeNIe

Profil du candidat

- Un intérêt pour le monde de la recherche, pour le deep learning, et pour les systèmes autonomes/automatisés (possibilité de continuer sur une thèse au sein du CEA par la suite);
- Des compétences solides en programmation (Java et Python) et en génie logicielle (expérience en UML);

Localisation du poste

Site

Saclay

Localisation du poste

France

Ville

Palaiseau

Critères candidat

Langues

Anglais (Courant)

Diplôme préparé

Bac+5 - Master 2

Formation recommandée

Master ou Diplômé d'école d'ingénieur en Informatique ou Ingénierie des Systèmes

Possibilité de poursuite en thèse

Oui