Job Specifications
Description de l’entreprise
Audensiel est une société de conseil en transformation digitale et en technologies, accompagnant ses clients dans divers secteurs d’activité, en France comme à l’international. Forte de son expertise en transformation numérique, conseil, data et intelligence artificielle, cybersécurité ainsi que cloud/DevOps, Audensiel intervient à toutes les étapes des projets, de la stratégie et du développement jusqu’aux phases de test et de mise en production. L’entreprise permet à ses clients de tirer parti des technologies de pointe, d’optimiser leurs processus et de stimuler l’innovation métier. Rejoindre Audensiel, c’est intégrer une équipe en pleine croissance, dynamique et engagée dans la réalisation de projets à fort impact et dans la promotion de l’innovation.
Contexte du Stage
Ce stage est centré sur l’estimation des vents pour les UAVs (drones) en combinant simulation et tests réels. Le projet s’inscrit dans le domaine de la recherche appliquée sur les drones et vise à développer et évaluer des algorithmes d’estimation des perturbations dues au vent, afin d’améliorer la précision et la stabilité des systèmes de contrôle embarqués.
Objectifs du Stage
Développer des modèles capables d’inférer la vitesse et la direction du vent, ainsi que les forces de perturbation, à partir des capteurs embarqués des drones.
Explorer et comparer différentes approches : purement basées sur les données (data-driven) et hybrides combinant physique + machine learning.
Tester et valider les modèles en simulation et sur drones réels.
Exploiter des jeux de données existants, des logs internes PX4 et des datasets générés via simulateurs pour entraîner et évaluer les modèles.
Les tâches à réaliser
Tester et ajuster les contrôleurs développés sur des drones réels.
Collecter et exploiter des jeux de données publics et internes pour l’entraînement des modèles.
Générer des datasets via simulation pour l’estimation du vent.
Entraîner et évaluer les modèles de machine learning (deep learning) sur les datasets générés.
Comparer et analyser les performances des approches data-driven et hybrides (physique + ML).
Réaliser des tests en simulation et en vol pour valider la robustesse des modèles.
Profil recherché
Niveau : BAC+5 – Ingénieur en robotique, systèmes embarqués, mécatronique, automatique ou équivalent.
Compétences techniques :
Machine learning et deep learning appliqués aux séries temporelles.
Python (NumPy, SciPy, Pandas, PyTorch ou TensorFlow).
Analyse de données issues de capteurs embarqués.
Connaissance des capteurs et systèmes internes des drones.
Qualités personnelles : rigueur scientifique, autonomie, capacité d’analyse et intérêt pour les expérimentations drones en conditions réelles.
Livrables
Modèles ML pour l’estimation de la vitesse et direction du vent à partir de données embarquées.
Comparatif des performances entre approches data-driven et hybrides.
Jeux de données simulés et transformés pour l’entraînement et l’évaluation.
Rapport final incluant méthodes, résultats, analyses et recommandations pour intégration dans les contrôleurs UAV.
Background nécessaire
Connaissance des drones et de leurs capteurs internes (IMU, GPS, baromètres…).
Bases solides en machine learning et deep learning, traitement des séries temporelles.
Expérience en Python et bibliothèques scientifiques (NumPy, SciPy, Pandas, PyTorch/TensorFlow).
Connaissance de la simulation de drones (PX4, Gazebo ou autre simulateur) est un plus.
About the Company
Digital transformation company, business and technology consulting, Audensiel supports its clients in all business sectors in France and abroad in the following areas:
- Digital: digital transformation projects, from project management using the Agile method, through project management and application development to acceptance/testing.
- Consulting: IT consulting within CIOs and business consulting within functional departments specifically for Banking, Insurance and the Pharmaceutical Industry.
- Data/AI: Architecture and d...
Know more