Offers “CEA”

days ago CEA

Stage - Simulation interactive et Deep Learning pour la robotique H/F

  • Stage
  • Palaiseau (Essonne)
  • Design / Civil engineering / Industrial engineering

Job description

Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.

Référence

2020-14534

Description de l'unité

Au coeur du Plateau de Saclay (Île-de-France), l'institut CEA LIST focalise ses recherches sur les systèmes numériques intelligents. Porteurs d'enjeux économiques et sociétaux majeurs, ses programmes de R&D sont centrés sur les systèmes interactifs (intelligence ambiante), les systèmes embarqués (architectures, ingénierie logicielle et systèmes), les capteurs et le traitement du signal (contrôle industriel, santé,sécurité, métrologie).

Au sein du CEA LIST, le Laboratoire de Simulation Interactive (LSI) développe une plateforme de simulation multi-physique interactive mettant en jeu un ou plusieurs utilisateurs en exploitant les technologies de Réalité Virtuelle (RV) et de Réalité Mixte (RM). Cette plateforme, dénommée XDE Physics, permet de simuler la manipulation et les interactions de l'ensemble des systèmes, pièces rigides, articulées ou déformables (câbles) directement sur les maquettes numériques. Elle permet également de valider des scénarios incluant l'opérateur pour étudier l'ergonomie du poste de travail par l'introduction de son avatar dans la simulation dynamique.
Centrées sur les noyaux de simulation interactive, les activités de l'équipe vont jusqu'à la mise au point d'applicatifs, répondant aux contextes d'usage de ses partenaires industriels (manufacturing pour l'automobile et l'aéronautique, énergie, santé).

Description du poste

Domaine

Systèmes d'information

Contrat

Stage

Intitulé de l'offre

Stage - Simulation interactive et Deep Learning pour la robotique H/F

Sujet de stage

Simulation interactive et apprentissage profond pour la préhension tri-digitale de pièces complexes

Durée du contrat (en mois)

6

Description de l'offre

La préhension tri-digitale en Robotique permet de saisir et manipuler des objets complexes pour des tâches de pick-and-place et d'assemblage notamment. Parmi les nombreux challenges que pose la commande de ces systèmes, la planification de prises et la manipulation fine d'objets restent encore des problèmes ouverts, particulièrement dans le cas de manipulateurs sous-actionnés ou compliants.

Le stage consistera à utiliser des techniques de Réalité Virtuelle, de simulation interactive et d'apprentissage profond pour définir des prises stables et robustes. On utilisera par exemple la Réalité Virtuelle et un panel d'utilisateurs pour définir des zones de prises stables, les hiérarchiser et constituer des bases de données utilisables par l'apprentissage profond.

Le stage consistera aussi à prototyper les algorithmes en utilisant la plateforme logicielle XDE et les préhenseurs du laboratoire. Le stage doit aussi de permettre d'identifier les limites de ce type d'approche en se basant sur des applications industrielles. Le stagiaire proposera enfin des voies d'optimisations pour gérer des pièces de plus en plus complexes.

[1] Edward Johns, Stefan Leutenegger and Andrew J. Davison, Deep Learning a Grasp Function for Grasping Under Gripper Pose Uncertainty, IROS 2016

[2] K. Bousmalis et al., Using Simulation and Domain Adaptation to Improve Efficiency of Deep Robotic Grasping, 2018 IEEE International Conference on Robotics and Automation (ICRA), Brisbane, QLD, 2018, pp. 4243-4250, doi: 10.1109/ICRA.2018.8460875.

[3] J. Varley, J. Weisz, J. Weiss and P. Allen, Generating multi-fingered robotic grasps via deep learning, 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hamburg, 2015, pp. 4415-4420, doi: 10.1109/IROS.2015.7354004.

Ideal candidate profile

Profil du candidat

En dernière année de diplôme d'Ingénieur ou en Master 2
Vous avez des compétences techniques en Simulation numérique et géométrie 3D.
Vous maitrisez : les langages C++/Cuda/C#, Msvc 2019, Nvidia Optix, Plateforme Unity 3D, Git.