Thèse Cifre

Airbus Commercial Aircraftrecherche un(e) étudiant(e) en thèse sur le sujet: “Prise de décision explicable et basée sur l’IA pour l’aide au déroutement de vol (M/F)”pour rejoindre notre département Central Research and Technology, Airbus SAS basé à Toulouse, France. Le département travaille en collaboration avec ANITI et le LAAS/CNRS, France, dans lequel vous serez intégré en tant qu’étudiant extérieur en thèse. La thèse sera réalisée à la fois à 50% dans les locaux du LAAS/CNRS et à 50% dans ceux d'Airbus à Toulouse Saint-Martin. La période d'alternance précise entre les deux sites sera définie ultérieurement en accord avec les différentes parties prenantes. Etes-vous prêt à découvrir les futures générations d’aéronefs, avec des fonctions avancées d’assistance au pilotage basées IA ? Votre environnement de travail: Capitale mondiale de l'aéronautique et capitale européenne de la recherche dans le spatial, Toulouse est une ville dynamique du sud-ouest de la France desservie par un aéroport international. Idéalement située entre la mer Méditerranée et l'océan Atlantique et à proximité des Pyrénées, elle offre de nombreuses possibilités d'activités de plein air Parce que nous prenons soin de vous:
- Avantages financiers: Salaire attractif, accords d’intéressement et de participation, plan d'épargne salariale abondé par Airbus, plan d’actionnariat salarié sur la base du volontariat, avec attribution d'actions gratuites en fonction du nombre d’actions souscrites.
- Équilibre vie privée / professionnelle: Des jours de congés supplémentaires pour occasions spéciales et des options de transfert de congés, un comité d'entreprise proposant de nombreuses activités socio-culturelles et d’autres services.
- Développement individuel: des opportunités d’évolution et des possibilités de formations nombreuses (catalogue de plus de 10.000 e-formations disponibles en libre accès pour développer votre employabilité, certifications, programmes de développement accéléré, parcours expert, mobilité nationale et internationale). Chez Airbus, nous vous aidons à travailler, à vous connecter et à collaborer plus facilement et de manière plus flexible. Partout où cela est possible, nous favorisons la flexibilité dans nos modes de travail afin de stimuler l'esprit d'innovation. Vos challenges: Contexte de la thèse: Dans le cadre du développement des cockpits “intelligents” des futures générations d’avions commerciaux, les assistants d'aide à la décision constituent une brique essentielle visant à renforcer la sécurité et à améliorer les opérations liées au pilotage et à la gestion de mission de l’avion. Cette brique d'assistance à la décision exige des exigences strictes en matière d'explicabilité des décisions pour les opérateurs humains, notamment les pilotes d’avion. La prise de décision explicable est un élément clé pour le prochain programme et est importante pour les futures conceptions de cockpit, en particulier lorsque l'intelligence artificielle sera introduite dans le cockpit pour améliorer les opérations aériennes. Par ailleurs, la prise de décision et les explications sous-jacentes devront être rapides en raison de la pression temporelle de la gestion du déroutement de vol. Des travaux supplémentaires sont nécessaires pour adapter ces approches à la complexité du problème sous-jacent qui implique le modèle de performance de l'aéronef, le graphe des couloirs aériens et le réseau de la compagnie aérienne. L'hybridation de l'apprentissage profond et de l’IA générative avec des algorithmes de planification explicable est particulièrement considérée comme un domaine de recherche très prometteur pour l'extensibilité à des problèmes plus vastes et plus complexes. L’objectif de la thèse sera donc d'élaborer des solutions théoriques et techniques pour une prise de décision explicable et en temps réel dans un contexte d'interaction homme-machine. L'une des approches récentes prometteuses pour la prise de décision interactive explicable, proposée par Eifler et al., et qui sera étudiée par le doctorant, examine comment l'utilisateur final peut interagir avec le planificateur en élucidant les compromis de préférences utilisateur parmi les multiples objectifs d’optimisation considérés. Par exemple, l'algorithme peut d'abord signaler qu'aucun plan de déroutement ne satisfait simultanément les contraintes de réserve de carburant, de sécurité aérienne et de temps de vol. Ensuite, l'algorithme peut proposer différentes manières d'assouplir l'une de ces contraintes pour rendre le plan de vol réalisable tout en interagissant avec l’utilisateur final de sorte à le guider vers les meilleures relaxations sans toutefois les énumérer toutes. En effet, dans un contexte de déroutement où la charge mentale du pilote est particulièrement élevée, il ne lui serait pas possible d'analyser des centaines de solutions potentielles en temps réel et contraint. Le calcul de chaque solution potentielle étant