Company

Job Description

Contexte et environnement de travail :

Renault Group poursuit son engagement envers les jeunes au travers la formation par l’alternance et les stages.

Réalisez votre stage au sein de Renault Group et transformez vos connaissances en compétences sur des projets concrets.

Accompagné par un tuteur et d’équipes expertes, vous progressez vers votre diplôme dans un cadre exigeant et bienveillant.

Une expérience utile, formatrice et porteuse de sens, quelle que soit la fonction.

La prédiction de trajectoire des véhicules, et particulièrement de l'ego véhicule, est une information très utile dans le domaine des systèmes d'aide à la conduite avancés (ADAS). Elle est utilisée par exemple pour sélectionner la cible ACC à suivre.

Aujourd'hui, de plus en plus, on adopte des solutions de prédiction de trajectoire basées sur l'IA, du fait de leur capacité de généralisation, de leur précision, et de leur capacité à prendre en compte et à apprendre des éléments contextuels.

Une prédiction correcte et fiable de trajectoire conditionne ainsi directement le bon fonctionnement de plusieurs fonctions ADAS qui utilisent cette information en entrée. Une erreur ou un retard dans cette prédiction peut donc se propager à l'ensemble de la chaîne de décision du véhicule.

Dès lors, ce n'est pas uniquement la précision de la prédiction qui importe, mais également son temps de calcul : la prédiction doit non seulement être précise, mais aussi respecter les contraintes du temps réel et être déployable sur une architecture embarquée dédiée aux véhicules. Or, le déploiement de ces modèles IA sur des architectures embarquées impose des contraintes fortes en termes de temps de calcul, de ressources mémoire et de fiabilité temps réel, très différentes de celles d'un environnement de développement classique. Pour répondre à ces contraintes, deux approches principales coexistent aujourd'hui :

1. L'utilisation de frameworks de conversion/optimisation de modèles (TorchScript, ONNX Runtime, TensorRT, etc.), qui permettent de convertir un modèle entraîné en Python vers un format exécutable en C++, tout en bénéficiant d'optimisations bas niveau (fusion d'opérateurs, quantification, parallélisation, optimisation mémoire...).

2. Le ré-encodage manuel du modèle en C++ sans dépendance à un framework externe, ce qui offre plus de contrôle et allège les dépendances logicielles, mais prive potentiellement le système des optimisations natives fournies par les frameworks dédiés.

Le choix entre ces approches, ainsi que le choix du framework de conversion le cas échéant, a un impact direct sur les performances finales du système embarqué, tant en précision qu'en temps d'inférence — un compromis encore peu documenté de manière comparative et rigoureuse.

Vous rejoignez une équipe d'une dizaine de personnes en charge du développement de logiciels pour les aides à la conduite de la gamme Renault, basée à Guyancourt (78)

Vos missions :

Ce stage a pour objectif d'étudier et de comparer différents frameworks de déploiement d'un modèle IA de prédiction de trajectoire de véhicule sur une architecture embarquée utilisée en véhicule, ainsi qu'une solution sans framework (ré-encodage manuel du modèle en C++), afin d'évaluer l'apport réel des frameworks en général, et de chaque framework en particulier, en termes de précision de prédiction, de temps de calcul et de ressources matérielles consommées.

Qui êtes-vous ?

• Vous préparez un diplôme d'ingénieur ou un Master 2 (BAC+5) en informatique, intelligence artificielle, ou systèmes embarqués.

• Vous possédez de solides compétences en développement logiciel, notamment en C/C++.

• Vous êtes à l'aise avec les outils de gestion de versions (Git).

• Vous avez des connaissances en intelligence artificielle, machine learning, path planning

• Vous faites preuve de curiosité, d'autonomie, de rigueur et appréciez le travail en équipe.

Envie de faire partie de l’aventure ?

Postulez dès maintenant et construisez avec nous l’industrie automobile de demain ! 🚗💡

Job Family

Contract Duration