Ingénieur (H/F)

CNRS
Canton de Saint-Gaudens, France
2 days ago

Role details

Contract type
Temporary contract
Employment type
Full-time (> 32 hours)
Working hours
Regular working hours
Languages
French
Compensation
€ 38K

Job location

Canton de Saint-Gaudens, France

Tech stack

Computer Vision
Infrastructure as a Service (IaaS)
Machine Learning
OpenCV
Software Engineering
PyTorch

Job description

Acquisition, manipulation (rosbags) et labellisation de données capteurs extéroceptifs. Développement d'algorithmes de perception 3D en C/C++/Python. Machine learning sur données radar. Intégration de briques logicielles de perception 3D sur calculateur NVIDIA. Intégration et démonstration sur robot mobile du laboratoire (facultatif).

Requirements

Cette offre s'adresse spécifiquement à un(e) titulaire d'un Master ou titre d'ingénieur en informatique [et robotique] avec une bonne connaissance des langages de programmation usuels. Autres compétences :

  • Connaissances en perception 3D et machine learning : OpenCV, librairies et architectures neuronales (pytorch, etc.)
  • Connaissances en robotique mobile et de manipulation
  • Notions d'implémentation temps réel d'algorithmes
  • Curiosité scientifique
  • Autonomie, travail en équipe

Votre Environnement de Travail

About the company

Laboratoire d'analyse et d'architecture des systèmes, L'ingénieur de recherche (H/F), recruté sur 4 mois sera impliqué sur le prototypage et évaluation d'un pipeline séquençant des briques logicielles de perception 3D sur données radar en environnement extérieur. L'objectif est de lever des alarmes pour anticiper des collisions entre un engin manipulateur-mobile et les agents mobiles (piétons, obstacles, autres véhicules) lorsque ce dernier exécute ses tâches de navigation. Ces briques portent sur la perception de l'environnement au voisinage immédiat de l'engin mobile (détection, suivi et classification des obstacles perçus) à partir d'un système multi-radars embarqué sur l'engin. Les capteurs proprioceptifs de l'engin seront également considérés pour prévoir ses mouvements spatiotemporels et ainsi mieux prédire les éventuelles collisions. Le pipeline sera tout d'abord évaluée sur une banque de données pré-enregistrées en contexte réel.

Apply for this position