Enseignant-chercheur contractuel F/H IA pour la robotique

Mission en enseignement La personne recrutée assurera une charge d’enseignement de 64 heures équivalent TD par an afin de renforcer les activités pédagogiques dans les domaines des sciences des données et de l’intelligence artificielle pour la robotique autonome (par exemple IA et perception robotique, IA pour la planification et décision, contrôle et IA , interaction homme-robot…). Elle contribuera aux cours existants et pourra en développer de nouveaux. Les activités d’enseignement cibleront principalement les programmes de niveau Master, en synergie avec le nouveau programme ERASMUS MUNDUS European Master in Sustainable Systems Engineering (UTC, Université de Gênes, Universitat Politècnica de Catalunya, et Université Polytechnique de Tirana). La personne recrutée aura également l’opportunité de contribuer au cursus du cycle ingénieur en informatique de l’UTC, tant pour les étudiants en formation initiale que pour ceux en alternance. Mission en recherche La personne recrutée intégrera le laboratoire Heudiasyc dans le cadre du programme CAP (Collaboration Acceleration Program) TWINNING, « TrustWorthy Interactive augmeNted autoNomous driving », lié au projet PostGenAI@Paris porté par Sorbonne Université. Le projet porte sur la co-conduite entre un conducteur et un véhicule dont la navigation autonome, basée sur l’apprentissage automatique, est supervisée par un contrôleur d’intégrité. Notre objectif est d’augmenter les compétences collaboratives du conducteur grâce à des fonctionnalités de perception, de décision et de contrôle performantes, basées sur des modèles d’IA fiables et dignes de confiance. La personne recrutée travaillera sur le projet CAP Twinning, en contribuant à un ou plusieurs de ses trois axes scientifiques principaux liés à l’IA embarquée et à l’automatique : Compréhension de scène fiable : Gestion et propagation des incertitudes dans les fonctionnalités de perception. Surveillance de l’environnement et étude de la conformité au domaine opérationnel (ODD). Planification et prise de décision en environnements incertains : Méthodes basées sur l’IA. Planification réactive prenant en compte les règles de circulation et les réglementations. Capacités de prédiction et d’anticipation dans un contexte hautement dynamique. Contrôle partagé homme/véhicule basé sur les modèles et les données : Mécanismes favorisant la confiance du conducteur ; estimation des métriques de confiance, charge cognitive et attention humaine. Interfaces homme-machine augmentées et adaptatives multimodales (haptique, sonore, etc.). Contrôle coopératif et partagé. Les recherches seront testées et validées sur des outils de simulation, des plateformes de réalité virtuelle et des véhicules expérimentaux.