Présentation

Une validation robuste des AD/ADAS atteignant les niveaux de sécurité requis est un enjeu stratégique tant pour les constructeurs automobiles que pour les pouvoirs publics qui ont la responsabilité de garantir la sécurité des conducteurs et des usagers de la route. Pour atteindre les objectifs de sécurité définis par les pouvoirs publics, selon le système à valider, les constructeurs automobiles réalisent plusieurs milliers voire plusieurs millions de kilomètres de roulage pour tester les véhicules face à un maximum de situation de conduite dans diverses conditions météorologiques et d'infrastructures. Bien que cette approche soit nécessaire, elle présente principalement deux inconvénients, le coût exorbitant des roulages ainsi que le manque de capitalisation des scénarios de conduite pertinents, en particulier les cas rares et les cas de presque accident. Ces inconvénients font de la simulation une solution clé pour réduire les coûts de validation et augmenter la couverture des plans de test en simulant les scénarios pertinents capitalisés dans un format numérique.

Ces dernières années, les autorités réglementaires ont vivement recommandé l'utilisation de la simulation et de catalogues de scénarios dans le processus de développement et de validation des systèmes avancés d'aide à la conduite (ADAS) et des véhicules automatisés. Dans ce contexte, l'initiative française appelée Adscene a réuni un grand nombre de scénarios de conduite visant à établir une base de données de scénario à l'état de l'art pour la conception, la validation et l'homologation des ADAS et des véhicules automatisés. Différents conteneurs sont dédiés pour capitaliser différents types de scénarios, notamment les accidents, les situations de presque-accidents, les scénarios réglementaires, Ncap, ainsi que les scénarios de conduite normale. Cette base de scénarios est équipée d'un modèle de données et d'une grammaire spécifique permettant de décrire de manière précise tous les types de situations de conduite. Chaque scénario est accompagné de plusieurs scènes soigneusement sélectionnées et d'un texte explicatif pour illustrer la situation de conduite de manière pertinente.

Actuellement, l'interprétation des descriptions de scénarios ADscene nécessite l'intervention d'un opérateur humain, car elles ne sont pas directement compréhensibles par les logiciels de simulation. Pour convertir ces descriptions en simulations exploitables, elles doivent être manuellement codées dans un format adapté au logiciel de simulation utilisé. Ce processus manuel est non seulement chronophage, mais aussi sujet à des erreurs. Par conséquent, il est important de développer une solution automatisée qui pourrait interpréter et convertir ces descriptions de manière précise et efficiente, réduisant ainsi le temps nécessaire à la préparation des simulations et minimisant les risques d'erreurs.

Deux types de méthodes de génération de scénarios existent dans la littérature : les méthodes basées sur les modèles et les méthodes basées sur les données (data-driven) . Les approches basées sur les modèles, comme par exemple, le modèle IDM [1], peuvent générer un flux de scénario de conduite continu. Ces méthodes ont une interprétabilité claire, mais ne peuvent pas bien gérer les interactions complexes. Le processus d'exploration et de génération de scénarios particuliers, rares ou imprévus peut nécessiter un temps très important.

Pour les méthodes basées sur les données, elles apprennent généralement les modèles de conduite par apprentissage profond ou par renforcement sur de grandes quantités de scénarios naturalistes. Cependant, dans le processus de génération de scénarios, une compréhension sémantique limitée peut conduire à des scénarios qui manquent d’informations contextuelles nuancées requises pour les simulations. Les scénarios particuliers difficiles générés sont parfois irréalistes ou incontrôlables. De plus, les méthodes basées sur les modèles ou les données ne sont pas capables de suivre le raisonnement humain, ce qui réduit la fiabilité et la facilité d'utilisation des scénarios générés.

Récemment, le développement rapide des modèles de base, en particulier les Large Language Models (LLM) , nous offre une nouvelle façon de résoudre la génération de scénarios. Les LLM ont démontré de grandes capacités de compréhension sémantique et de raisonnement, ce qui leur permettent de générer des descriptions et des contextes de scénarios plus informatifs, tels que l'interprétation des comportements des véhicules en interaction.

Votre profil

Les candidats doivent détenir un diplôme de Master ou d’ingénieur en Automatique, informatique, intelligence artificielle, mathématiques appliquées ou équivalent. Plus généralement, le candidat retenu devra avoir un fort intérêt pour le domaine du véhicule autonome et le développement et réalisation de scénarios de conduite en simulateur. Le candidat doit montrer un fort intérêt à s'engager dans des recherches innovantes de haut niveau, des compétences en développement logiciel (développement en C, C++, Python, Librairies d’intelligence artificielle, Systèmes décisionnels) , de l’autonomie et de l’organisation. Une bonne maîtrise de l'anglais est nécessaire pour publier et présenter les résultats lors de conférences internationales et dans des revues internationales.

Vos missions

Les travaux de recherches de la thèse proposée visent à relever le défi actuel associé à la nécessité d'une intervention manuelle pour convertir les descriptions de scénarios en simulations exécutables, un processus qui est long et susceptible d'erreur. L'objectif principal de ce projet de thèse est donc de développer des algorithmes avancés, notamment ceux fondés sur l'intelligence artificielle, en particulier les Large Language Models (LLM) , pour l'analyse automatiques et l'interprétation des descriptions de scénarios. L'ambition est que ces algorithmes soient capables de générer automatiquement des scénarios de simulation dans un format compatible avec des logiciels de simulation de conduite spécialisés. En effet, les plateformes de simulation, notamment celles dédiées à la simulation de conduite, ainsi que leur architecture et leur format informatique, sont généralement conçus développés en fonction des objectifs de validation et ajustés en fonction des moyens de simulation cibles.

Le travail s’organisera autour de quatre tâches principales :

• Il convient tout d’abord de réaliser un état de l’art sur les approches et algorithmes adaptés à la problématique de transcriptions de scénarios descriptifs vers des scénarios simulables. Dans cette phase, une analyse des difficultés rencontrées pour l’automatisation du codage des scénarios simulables sera réalisée.
• La 2ème étape vise à proposer et à mettre au point une ou plusieurs approches permettant d’automatiser le développement des scénarios.
• L’objet de la 3ème phase est de mettre en place un environnement expérimental permettant d’évaluer les approches proposées.
• La 4ème phase vise à étudier et valider l’approche proposée sur quelques cas d’application.

Le poste est basé au Technocentre à Guyancourt en CDD de 3 ans. En accord avec votre manager, la mise en place de journées en télétravail pourra être envisagée

Métier

Durée du contrat

Renault Group s’engage à créer un environnement de travail inclusif et les conditions permettant à chacun de nous d’apporter sa passion, donner le meilleur de lui-même et s’épanouir, tout en étant lui-même.

Nous trouvons notre force dans notre diversité et nous nous engageons à garantir l'égalité des chances en matière d'emploi, indépendamment de la couleur, de l'ascendance, de la religion, du sexe, de l'origine nationale, de l'orientation sexuelle, de l'âge, de la citoyenneté, de l'état civil, du handicap, de l’identité de genre, etc. Si vous avez un handicap ou un besoin particulier nécessitant l’aménagement du poste de travail ou de l’horaire de travail, merci de nous le faire savoir en remplissant ce formulaire.

Afin de pouvoir suivre en temps réel l'évolution de vos candidatures et pouvoir rester en contact avec nous, nous vous invitons à créer un compte candidat. Cela ne vous prendra pas plus d’une minute et vous permettra également de faciliter vos prochaines candidatures.

En soumettant votre CV ou votre candidature, vous autorisez Renault Group à utiliser et stocker des informations vous concernant à des fins de suivi de votre candidature ou de futurs emplois. Ces informations ne seront utilisées que par les sociétés de Renault Group tel que mentionné dans la Politique Groupe de protection des données personnelles.