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
€ 38KJob 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.