Optimisation de trajectoire pour la conduite téléopérée dans un jumeau numérique 6G par apprentissage de représentations de graphes

Description de l'entreprise
Le laboratoire de recherche DRIVE (Développement, Recherche en Ingénierie des Véhicules et Environnement) de l'Université de Bourgogne est basé à Nevers, en France. Composé d'environ 60 membres, dont 30 chercheurs et 20 doctorants, le laboratoire est dédié à la recherche fondamentale et appliquée de haut niveau. Équipé d'infrastructures à la pointe de la technologie, il se concentre sur deux principaux axes : les systèmes intelligents axés sur l'optimisation énergétique et la mécanique des matériaux et structures.

Titre du sujet :
Optimisation de Trajectoire pour la Conduite Téléopérée dans un Jumeau Numérique 6G par Apprentissage de Représentations de Graphes

Lieu
: Laboratoire DRIVE, Nevers (composante de l'ISAT / Université de Bourgogne Europe)

Projet
: 6G-TWIN (Projet Européen)

Durée du contrat
: 6 mois à partir de janvier

Type d'emploi
: Stage

Gratification
: Selon la gratification légale en vigueur

Contexte du Projet:

Ce stage s'inscrit dans le cadre du projet de recherche européen
6G-TWIN
, qui vise à développer et expérimenter les fondations des futurs réseaux 6G à travers l'utilisation de Jumeaux Numériques (
Digital Twins
).

L'un des cas d'usage critiques de la 6G est la
conduite téléopérée
(contrôle à distance de véhicules). Contrairement à la navigation classique qui optimise le temps ou la distance, la conduite téléopérée nécessite une
Qualité de Service (QoS)
réseau irréprochable (très faible latence, haut débit, fiabilité ultra-haute) tout au long du trajet pour garantir la sécurité.

Objectifs du Stage

L'objectif principal est de concevoir un algorithme de
routage prédictif
. Cet algorithme devra recommander le meilleur chemin à un véhicule téléopéré, non seulement en fonction du trafic routier, mais surtout en fonction de la qualité du réseau 6G prévue.

Le stagiaire travaillera sur une approche innovante couplant
Théorie des Graphes
et
Deep Learning
au sein d'un environnement simulé (SUMO) enrichi de métriques réseau.

Missions Principales

Le travail se décomposera en deux phases techniques majeures :

1. Exploration et Génération d'Embeddings de Graphe (Mois 1-3)

• État de l'art sur les techniques de
  Graph Representation Learning
  (ex: Node2Vec, Graph Neural Networks - GNN, GraphSAGE).
• Modélisation de l'environnement (routes + état du réseau 6G) sous forme de graphe dynamique.
• Implémentation de méthodes pour générer des
  embeddings
  (vecteurs latents) représentant la topologie et les caractéristiques des nœuds du réseau à un instant
  t
  .

2. Prévision et Planification par Deep Learning (Mois 3-5)

• Utilisation des embeddings générés comme entrée pour des modèles de séries temporelles (ex: LSTM, GRU, Transformers).
• Entraînement d'un modèle capable de
  prédire l'évolution des métriques réseau
  (latence, couverture) sur les segments de route futurs.
• Intégration de ces prédictions dans un algorithme de prise de décision pour planifier le chemin optimal
  à l'avance
  .
• Validation des résultats via simulation sous
  SUMO
  .

Profil Recherché

• Formation :
  Master 2 Recherche/Pro ou dernière année d'école d'ingénieur en Informatique, Intelligence Artificielle ou Télécommunications.
• Compétences Techniques :
• Solide maîtrise de
  Python
  .
• Expérience avec les frameworks de Deep Learning (
  PyTorch
  ou TensorFlow).
• Connaissances en
  Théorie des Graphes
  ou
  Graph Neural Networks
  .
• La connaissance du simulateur
  SUMO
  est un atout.
• Qualités :
  Curiosité scientifique, autonomie, capacité à lire et rédiger de la documentation technique en anglais (contexte européen).

Pourquoi postuler ?

• Participer à un projet de recherche
  européen
  de pointe sur la
  6G
  .
• Travailler sur des technologies d'avenir :
  Jumeaux Numériques
  et
  IA appliquée aux réseaux
  .

Candidature

Merci d'envoyer votre CV, une lettre de motivation et vos relevés de notes de Master/Ingénieur à :

HOSSAIN Shajjad
– shajjad.hossain[at]
Laboratoire DRIVE
, Nevers.

Iskander Zellagui
– iskander.zellagui[at]
Laboratoire DRIVE
, Nevers.

Sidi-Mohammed Senouci
– sidi-mohammed.senouci[at]
Laboratoire DRIVE
, Nevers.