Notre équipe contrôle grandit pour relever des défis toujours plus ambitieux.
Entre déplacements complexes (sols irréguliers), vision embarquée, navigation cartographiée, montée d’escaliers, intégration de nouvelles possibilités hardware, ou encore détection et sécurisation des chutes, les défis sont aussi variés que passionnants.
Aujourd’hui, la robotique connaît une transformation majeure grâce au machine learning, qui ouvre la voie à des mouvements plus naturels, fluides, et à des choix de contacts au sol audacieux.
Mais nous savons aussi que les approches classiques basées sur le contrôle prédictif (MPC) conservent des atouts précieux : interprétabilité, développement progressif, maintenabilité.
Pour explorer et combiner le meilleur de ces mondes, nous recherchons un profil expérimenté en machine learning appliqué à un produit commercial.
En rejoignant notre équipe, vous aurez un rôle clé pour nous aider à imaginer et développer des algorithmes de locomotion toujours plus performants, mais aussi robustes, évolutifs et rigoureusement test.
Les missions inclueront notamment :
Proposition d’architectures modulaires pour répondre à nos problématiques de contrôle
Revues de littérature, présentations à l’équipe des dernières innovations
Développement d’algorithmes de locomotion – par des méthodes model-based, machine learning, ou hybrides. Passage d’obstacles, traversée de terrains accidentés ; observation d'état ; planification de contacts ; évitement d'obstacles
Amélioration du simulateur pour un meilleur transfert
Tests sur le robot réel et en simulation ; correction des problèmes observés
Développement d’un framework de test.
