CS26 - Bac+5 - Planification de trajectoire par optimisation (H/F)

Contexte et environnement de travail Renault poursuit son engagement envers les jeunes au travers de la formation par l’alternance et les stages. Cette politique volontariste positionne Renault comme un des contributeurs majeurs au développement de l’apprentissage en France. Dans le cadre de votre stage, vous serez suivi par le service Emploi, compétences et Politiques Jeunes et plus particulièrement au sein des relations écoles et de la marque employeur de Renault. Dans le service de développement SW d’aide à la conduite (ADAS), on ne fait pas juste des PowerPoints sur « l’avenir », on le code, on le teste, et on le fait rouler sur l’asphalte Tu vas plonger au cœur du développement des tout nouveaux ADAS qui équiperont les prochaines Renault. Ton terrain de jeu ? L’optimisation numérique au service des voitures intelligentes, avec en coulisses les défis de la mobilité de demain. Tes missions Au menu de ce stage : créer un environnement pour tester, comparer et juger – sans pitié – les solveurs numériques qui sont le cœur du pilotage autonome. Tu construiras le framework de référence pour évaluer leurs exploits (ou leurs plantages) sur des modèles, problèmes d’optimisation et contraintes ultra variés. Mais ce n’est pas tout Tu intégreras ensuite tes champions dans notre grand projet de planification de mouvement basé sur le Model Predictive Control (MPC) pour la gestion de la trajectoire longitudinale. Les cas pratiques ? Régulation de vitesse, suivis de voitures, survie face aux « cut-in » et autres manœuvres acrobatiques du trafic. Bref, de quoi t’amuser… sérieusement Qui es-tu ? Tu es en dernière année d’école d’ingénieur ou de master, avec une passion pour la robotique et la programmation qui fait exploser les compteurs. Les mots « algèbre », « calcul » et « modélisation » ne te font pas peur, au contraire, tu t’en sers au petit-déj. Tu maîtrises C++, C, Python (et tu sais que ce n’est pas juste un animal). Et évidemment, tu as envie de mettre les mains dans le cambouis pour façonner la mobilité du futur avec une équipe aussi exigeante que bienveillante. Ce que tu gagnes Un stage de 5 à 6 mois au Technocentre de Guyancourt (où tu croiseras peut-être des véhicules pas encore dans la rue). La chance de voir ton code influencer – pour de vrai – la prochaine génération de véhicules Renault. Des collègues qui adorent autant les algorithmes que les blagues de roboticien·nes. L’opportunité de monter en compétences, de booster ton CV et, soyons honnêtes, de te faire un réseau en or massif. Tu souhaites participer à l’aventure de l’automobile de demain ? Il est temps de nous rejoindre 🚗💡 English Version – Context In the context of the Systems Engineering, you will join the “AMS-DT” service and the team of “Advanced algorithms of data fusion and autonomous driving”, which oversees the development of the new driving assistance systems that will be part of the next vehicles in Renault’s series production, all in view of the Autonomous Vehicle development. Objectives Automated driving technologies are getting more complex and increasing their capabilities. The percentage of vehicles that include Advanced Driving Assistance Systems (ADAS) is also growing significantly. Motion planning and vehicle dynamics control algorithms are the main enablers of these systems and must guarantee a safe, robust and optimal closed-loop performance despite perturbations and uncertainties. Motion planning systems process the vehicle and environment states to compute the optimal vehicle kinematic trajectory and execute it, considering design requirements and safety constraints. At the core, numerical solvers are widely used mathematical tools that solve an optimization problem to converge to an optimal solution at every execution, respecting imposed state constraints and tracking desired objectives specific to each maneuver. The first objective of this internship is to build an environment to implement and evaluate different available numerical solvers, their benefits and drawbacks. This will serve as the foundation framework upon which we can analyze in detail the performance of each numerical solver with different standard models, optimization problems, objectives and constraints. The second objective is to integrate the numerical solvers into our main motion planning project using a Model Predictive Control (MPC) approach to handle longitudinal motion planning. The implemented system must handle ACC functional behavior, comprehending use cases such as speed cruise control, car-following, cut-in and cut-out. The internship will hence require strong knowledge of algebra, calculus and robotics, as well as confirmed skills on modelling, programming and simulation. #J-18808-Ljbffr