Stage : Portage D'un Modèle D'ia Sur Une

Un stage chez ADVANS Group c’est la combinaison d’un sujet pointu et de challenges techniques à relever pour vous assurer une réelle montée en compétences, tant sur le plan technique que sur le plan humain. Le stage auquel vous allez participer s’inscrit au sein du programme de recherche « Intégration de Modèles d'IA sur cibles embarquées ». Plus particulièrement, vous contribuerez au projet VERITY-AI : Verification, Integration and Yield of AI infused systems, qui est une suite logicielle dédiée à l’optimisation, au test, au déploiement et à l’évaluation de solutions de machine learning sur plateformes embarquées, que nous développons en interne.
Les stages dans la R&D vont plus particulièrement vous permettre d’explorer le développement expérimental. Ils se concentrent sur la recherche et la création de nouveaux savoir-faire. Ils mettent l'accent sur l'innovation et la découverte de solutions originales à des verrous scientifiques, ce qui génère une part inhérente d’incertitude.
En vous appuyant sur vos qualités de futur ingénieur (autonomie, curiosité, goût pour l’innovation), vous serez confronté à des défis ardus nécessitant une réflexion poussée. Les contours de ces défis n’étant pas toujours complètement définis, leur résolution impliquera des missions diversifiées, en collaboration avec des experts du domaine ainsi que notre responsable scientifique.
Un premier stage en 2024 a mis en évidence la pertinence de certaines solutions techniques, comme tensorflow, pour le portage et l’optimisation de modèles sur une cible embarquée. Cependant, ces travaux ont aussi permis d’identifier des lacunes à compléter afin que ces outils soient applicables à l’industrie (traçabilité, mise en conformité face à des exigences).
Le Projet PERISCOPE (Plateforme Embarquée de Robotique et d’Instrumentation pour la Surveillance, la Cartographie et l’Obervation Participative de l’Environnement) vise à créer une plateforme modulaire sous forme d‘un véhicule autonome miniature, dans l’objectif de développer et valider des solutions de Machine Learning embarquées, tout en se posant la question des besoins industriels et opérationnels.
Ce stage vise à concevoir la base matérielle et logicielle de la plateforme, sous forme d’un robot à chenilles, offrant un socle évolutif et modulaire pour l’intégration d’algorithmes de machine learning sur un cœur numérique modulaire.
**Le stage entend répondre aux objectifs suivants**:

- Finaliser la conception du système, en identifiant les fonctions à implémenter, et comment elles s’interfacent ;
- Sélectionner les composants matériels de la plateforme sur base de composants sur étagère ;
- Etablir l’architecture logicielle de la plateforme assurant une gestion de configuration maîtrisée et une traçabilité des éléments ;
- Déterminer la solution technique de communication avec la station de base ;
- Mettre en place une solution d’instrumentation efficace permettant de collecter les données capteur, de les remonter vers la station de base, et les stocker sur la plateforme ;
- Mettre en œuvre un prototype démonstrateur de la plateforme.

Le cœur du stage se situe sur la maîtrise de la solution technique de bout en bout. C’est pour cela par exemple que la solution logicielle ne s’appuiera pas nécessairement sur ROS, même si certaines fonctionnalités de ce dernier pourront être reprises au besoin.
Vous travaillerez en collaboration avec un autre stagiaire dont la mission sera de porter un réseau de neurones d’estimation de profondeur sur base optique monoculaire (Depth Anything v2), en vue d’effectuer du SLAM (Simultaneous Localization And Mapping), et de déplacer le robot dans nos locaux.
L’environnement technique sera essentiellement constitué des éléments suivants:

- Environnement de développement Windows/Linux ;
- Banc de test linux ;
- Développement embarqué en C / Rust ;
- Encapsulation des environnements de développement dans des conteneurs Docker ;
- Yocto / Kas pour la génération de plateformes linux embarquées ;
- Scripts de test en python et avec Robot Framework.

**Les compétences acquises seront principalement**:

- Maîtrise d’un système complet (HW/SW) ;
- Prise en main d’une chaîne complète de développement d’un système embarqué (compilation logicielle, outillage d’un banc de test, etc.) ;
- Saisir un cycle de développement complet, inspiré selon les besoins du cycle en V, cycles agiles typés Scrum, ainsi que des pratiques TDD (Test Driven Development) et BDD (Behavior Driven Development)
- Découverte du fonctionnement et du processus d’intégration de fonctions intelligentes au sein d’une plateforme embarquée.

**Références**:
[1]
[2]
W. Li, H. Hacid, E. Almazrouei et M. Debbah, «A Comprehensive Review and a Taxonomy of Edge Machine Learning: Requirements, Paradigms, and Techniques,» AI, v