Fusion D'approches de Commande Pour La Prise de Décision en Conduite Autonome

**Fusion d'approches de commande pour la prise de décision en conduite autonome : implémentation et tests sur la KONA**:

- Réf **ABG-128871**
- Stage master 2 / Ingénieur
- Durée 5 mois
- Salaire net mensuel 500
- 25/02/2025
- Laboratoire DRIVE - ISAT
- Lieu de travail- nevers Bourgogne-Franche-Comté France
- Champs scientifiques- Robotique
- Mots clés- Conduite Autonome, Robotique mobile, planification de trajectoire, Fusion de Commande, algorithmes de contrôle- 11/03/2025

**Établissement recruteur**:
Laboratoire DRIVE
Département de Recherche en Ingénierie des Véhicules pour l'Environnement.

Equipe de recherche: Sustèmes Intelligents et Connectés SIC

Le laboratoire de recherche DRIVE de l’université de Bourgogne (uB) est situé à Nevers dans la Nièvre (58). Composé d’une soixantaine de membres dont une trentaine d’enseignants-chercheurs et une vingtaine de doctorants, il possède des équipements de pointe et développe une recherche à la fois appliquée et fondamentale de haut niveau dans deux grands domaines cadres : les systèmes intelligents et l’optimisation énergétique ainsi que la mécanique des matériaux et des structures.

**Description**:
Les véhicules autonomes nécessitent des systèmes de contrôle robustes et flexibles pour garantir la sécurité, l'efficacité et la fluidité de leur conduite. La prise de décision dans un environnement dynamique et complexe, tel que le trafic urbain, nécessite l'intégration de différentes approches de contrôle et d'apprentissage. Ce stage vise à fusionner différentes approches de commande pour améliorer la prise de décision dans des scénarios complexes comme les changements de voie, la gestion des obstacles et la prise de décision en milieu urbain. L'implémentation sera réalisée sur un véhicule autonome Hyundai KONA, qui servira de plateforme pour tester et valider les algorithmes.

Ce stage a pour objectif de développer et implémenter une approche fusionnée de plusieurs algorithmes de commande (tels que CBF-CLF, contrôle optimal, contrôle prédictif) pour la prise de décision en conduite autonome. Ces approches seront intégrées et testées sur la plateforme KONA afin d'améliorer la gestion de la sécurité et de la fluidité du véhicule dans un environnement de conduite réel.

**Profil**:
Déroulement du stage
Les grandes lignes de ce stage sont les suivantes:

- Recherche bibliographique:

- Analyser les méthodes actuelles de prise de décision pour les véhicules autonomes, en particulier les techniques basées sur les fonctions barrière de contrôle (CBF) et les fonctions de Lyapunov (CLF).
- Identifier les avantages et les limites des algorithmes de contrôle classiques et des méthodes d'apprentissage (comme les réseaux neuronaux ou l'apprentissage par renforcement).
- Développement de la fusion d'algorithmes et mise en œuvre sur la KONA:

- Fusionner plusieurs approches de contrôle pour gérer des manœuvres critiques telles que le changement de voie, la gestion des obstacles, et l'adaptation en temps réel à un environnement dynamique.
- Utiliser des techniques de machine learning (comme l'apprentissage supervisé ou par renforcement) pour affiner la prise de décision et améliorer les performances du système.
- Adapter les algorithmes développés pour la plateforme KONA, en utilisant les outils de simulation et les capteurs du véhicule pour tester les solutions.
- Intégrer le code dans l'architecture de commande du véhicule, en utilisant des logiciels comme ROS (Robot Operating System) et des bibliothèques spécifiques pour les véhicules autonomes.
- Tests et validation sur terrain avec la KONA:
Des tests seront réalisés en simulation pour évaluer la performance des algorithmes fusionnés en termes de sécurité, fluidité et réactivité. Le stagiaire effectuera des essais sur le terrain avec
Profil recherché
1- 3ème année d’école d’ingénieurs ou master 2ème année, option robotique et
automatique
2- Fortes connaissances en automatique sont requises /robotique mobile)
3- Maitrise de Matlab/Simulink est très souhaitable
4- Connaissances en programmation c/c++ ou python sont appréciées.

**Prise de fonction**:

- 17/02/2025