Annonce

votre rôle

L'évolution de l'Internet des Objets (IoT) tend à intégrer de plus en plus d'intelligence au niveau des utilisateurs en combinant des unités de traitement, des capteurs et des systèmes de communication dans un même objet. Cette intelligence dite « Ambiante » nécessite, dans le cas de nombreuses applications, de pouvoir modéliser l’environnement des usagers et des utilisateurs. Les approches fondées sur l’intelligence artificielle et plus particulièrement sur l’apprentissage profond ont permis la conception de systèmes performants de détection d’objets, de segmentation sémantique et ont ainsi permis d’apporter des éléments de réponses à cette problématique. Cependant, ces systèmes sont souvent gourmands en ressources et nécessitent une puissance de calcul considérable, ce qui peut limiter leur déploiement dans des environnements contraints en énergie et en capacité de traitement. Une solution serait d’adopter une approche modulaire et distribuée, où chaque modèle IA se concentre sur une tâche spécifique, permettant ainsi une optimisation des ressources et une réduction de la consommation énergétique globale. Ce stage consistera à démontrer l’efficacité des IA naïves (mono-tâche) collaboratives distribuées en vue d’optimiser la consommation énergétique et/ou améliorer les performances du modèle global. L’objectif est de décomposer une tâche principale en plusieurs sous-tâches simples. Chaque sous-tâche va être assurée par un modèle IA et l’objectif final est de coordonner tous ces modèles distribués.

Exemple 1 de Use case : compréhension de l’environnement : une IA pour détecter les panneaux de signalisation, une IA pour détecter les personnes, une IA pour estimer les distances entre personne/objet et objet/objet, une IA pour détecter les objets dangereux, et une IA (ou une fonction) coordinatrice.

Exemple 2 de Use case : détecter les défauts sur l'infrastructure télécom : une IA qui détecte les formes, une IA qui détecte l’orientation...

Au cours du stage, vous serez amené(e) à réaliser les activités suivantes :
- Récupérer et analyser la base de données fournie.
- Effectuer un état de l’art sur l’IA collaborative et distribuée.
- Concevoir une solution adaptée aux besoins et contraintes de l’équipe.
- Comparer l’architecture proposée d’IA distribuée à une architecture centralisée en termes de performances (précision), de durée d’exécution et de consommation énergétique.
- Intégrer cette solution sur un petit ordinateur destiné à être installé dans un véhicule, tel qu'un véhicule de technicien ou un drone.

Les résultats de votre travail viendront directement alimenter les travaux du programme de recherche et pourront apporter des éléments de réponse pour Orange afin d'offrir à ses clients des solutions IA plus résilientes, plus respectueuses de l’environnement et plus personnalisées.