researchJobs(m/f) PhD Offer: Foundation Models for Modelling Interactions in Autonomous Mobile Robotics
(H/F) Offre de thèse : Modèles de fondation pour la modélisation des interactions en robotique mobile autonome — Machine-translated title
From the ad
Description of the post
Subject of Thesis
Scientific background
Recent advances in mobile robotics are largely based on joint advances in perception, deep learning and control. However, a major limitation of current systems appears when robots operate in a fluid, whether air or water. Unlike terrestrial robots, the dynamics of air or submarine robots are strongly coupled to their environment through complex aerodynamic or hydrodynamic interactions. These interactions are nonlinear and depend on many factors, such as robot geometry, local flow speeds, turbulence or external disturbances.
Current control approaches are generally based on simplified models based on constant aerodynamic coefficients, quasi-static assumptions, potential models or experimentally identified empirical models. While these approximations are sufficient for conventional stabilization tasks, they quickly show their limits in more complex environments, such as flight near obstacles, drone swarms, wind interactions, navigation in the presence of waves or sea currents, or underwater handling operations.
At the same time, Foundation Models have profoundly transformed several areas of artificial intelligence. Their ability to learn general representations from massive volumes of data opens up unprecedented perspectives for the modelling of physical phenomena. The central idea is that a model trained on a wide range of numerical simulations, instrumentation experiments and embedded data can learn generic representations of the local interactions between a mobile robot and its environment, transferable between robotic platforms of different morphologies.
In general, the dynamics of a robot can be described by a differential equation representing the evolution of its state x as a function of u controls, p disturbances and an interaction term d. Depending on the context, this interaction term can represent phenomena of a very different nature: fluid-structure interactions, interactions between several robots, contacts with a manipulated object or more generally any interaction between the robot and its environment.
In the case of robots evolving in a fluid, the term modelizes the aerodynamic or hydrodynamic forces exerted on the robot. Conventional approaches generally use highly simplified analytical models, for example based on a proportionality relationship with the speed of rotation of thrusters. In the context of collaborative robotics or swarms, d also describes the interactions between robots: induced aerodynamic effects, mechanisms of perception and avoidance, effects related to information sharing or mechanical interactions during the cooperative transport of a charge or the use of structures connecting several robots.
The central hypothesis of this thesis is that it is possible to learn a function constituting a generic foundation model capable of representing these physical interactions through different robotic platforms. This model will use information on geometry, morphology, robot structure, condition, controls, disturbances and environmental conditions. Unlike a platform-specific network of neurons, the goal is to learn a universal representation of local interactions (fluid-structure, robot-robot, robot-object, etc.), quickly adaptable to a new robot from a limited number of data (few-shot adaptation).
Objectives of the thesis
The main objective of this thesis is to develop a new generation of hybrid models combining large-scale learning and physical knowledge to represent the interactions between a mobile robot and its environment.
The main scientific locks address the following issues:
• Which geometric representations are the most suitable for learning transferable physical interactions?
• What data are needed to drive a foundation model of this type?
• How to guarantee its ability to generalize to robots, environments and new situations?
• How to integrate these learned models into a control loop that ensures stability, robustness and performance?
These developments will be studied in several application contexts, including:
• fluid-structure interactions for air and submarine robots;
• cooperative transport of objects by several drones;
• co-ordinated flight in swarms and distributed control strategies integrating robot interactions.
This thesis is part of a national project dedicated to the development of new digital infrastructure for agriculture and the environment. The work will contribute to the emergence of new independent observation, data acquisition and modelling capabilities for agricultural and environmental sciences.
In the long term, the results can be applied to many areas such as crop monitoring, biodiversity monitoring, wildlife monitoring, monitoring of natural environments, and the study of pastoral systems, relying on autonomous robot fleets capable of interacting effectively with their environment.
Profile sought
• Master's degree 2 (or equivalent) in robotics, automatic/command or related fields
• Excellent mastery of English, both written and oral
• Good experience in C/C++, ROS and Matlab/Simulink
• A first experiment in scientific research, particularly as part of a Master's course, would be appreciated
• Scientific curiosity, autonomy and ability to conduct work independently
• Knowledge or experience in robotics learning methods would be a plus
• Experience in robotics and/or aerial robotics would be a plus
Your Working Environment
The Gipsa-lab is a joint CNRS research unit, Grenoble-INP (Institut de Technologie de Grenoble), University of Grenoble, organized by Inria and the Observatoire des Sciences de l'Univers de Grenoble.
With 350 people including about 150 PhD students, Gipsa-lab is a multidisciplinary research unit developing both fundamental and applied research on complex signals and systems.
Gipsa-lab develops projects in the strategic areas of energy, environment, communication, intelligent systems, life and health and linguistic engineering.
Through its research activities, Gipsa-lab maintains a constant link with the economic environment through a strong partnership with companies.
The Gipsa-lab staff are involved in teaching and training at the various universities and engineering schools in the Grenobloise agglomeration (Université Grenoble Alpes).
Gipsa-lab is internationally recognized for research carried out in Automatic and System Safety, Data Sciences (Information and Signal Image), Word and Cognition. The unit develops its research through 11 teams organized in 4 research departments:
.Automatics and System Safety
.Data Sciences
- No, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no. no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no, no Geometry, Learning, Information and Algorithms
.Paroles and Cognition
The Gipsa-lab brings together 150 permanent and about 250 non-permanent (doctors, post-docs, guest researchers, master trainees...)
Constraints and risks
NEED
Remuneration and benefits
Remuneration
The remuneration is a minimum of 2300,00 € monthly
Annual leave and TWU
44 days
Practice and compensation of TT
TT practice and compensation
Transport
Support at 75% cost and sustainable mobility package up to 300€
About the offer
Supply Reference UMR5216-VIRFAU-064 Section(s) CN / Research Area Material Physics: Structure and DynamicsAbout CNRS
The CNRS is a major player in fundamental research on a global scale. The CNRS is the only French organization active in all scientific fields. His unique position as a multi-specialist allows him to associate the different disciplines in order to face the most important challenges of the contemporary world, in connection with the actors of change.
The CNRS
Research occupations
Machine translation (OPUS-MT) — the original text is authoritative
Show the original advertisement
Description du Poste
Sujet De Thèse
Contexte scientifique
Les progrès récents en robotique mobile reposent largement sur les avancées conjointes de la perception, de l'apprentissage profond et de la commande. Toutefois, une limite majeure des systèmes actuels apparaît lorsque les robots évoluent dans un fluide, qu'il s'agisse de l'air ou de l'eau. Contrairement aux robots terrestres, la dynamique des robots aériens ou sous-marins est fortement couplée à son environnement à travers des interactions aérodynamiques ou hydrodynamiques complexes. Ces interactions sont non linéaires et dépendent de nombreux facteurs, tels que la géométrie du robot, les vitesses locales d'écoulement, les turbulences ou encore les perturbations extérieures.
Les approches de commande actuelles s'appuient généralement sur des modèles simplifiés reposant sur des coefficients aérodynamiques constants, des hypothèses quasi-statiques, des modèles potentiels ou des modèles empiriques identifiés expérimentalement. Si ces approximations sont suffisantes pour des tâches classiques de stabilisation, elles montrent rapidement leurs limites dans des environnements plus complexes, tels que le vol à proximité d'obstacles, les essaims de drones, les interactions avec le vent, la navigation en présence de vagues ou de courants marins, ou encore les opérations de manipulation sous-marine.
Parallèlement, les modèles de fondation (Foundation Models) ont profondément transformé plusieurs domaines de l'intelligence artificielle. Leur capacité à apprendre des représentations générales à partir de volumes massifs de données ouvre des perspectives inédites pour la modélisation des phénomènes physiques. L'idée centrale est qu'un modèle entraîné sur un vaste ensemble de simulations numériques, d'expériences instrumentées et de données embarquées puisse apprendre des représentations génériques des interactions locales entre un robot mobile et son environnement, transférables entre des plateformes robotiques de morphologies différentes.
De manière générale, la dynamique d'un robot peut être décrite par une équation différentielle représentant l'évolution de son état x en fonction des commandes u, des perturbations p et d'un terme d'interaction d. Selon le contexte, ce terme d'interaction peut représenter des phénomènes de nature très différente : interactions fluide-structure, interactions entre plusieurs robots, contacts avec un objet manipulé ou plus généralement toute interaction entre le robot et son environnement.
Dans le cas des robots évoluant dans un fluide, le terme d modélise les efforts aérodynamiques ou hydrodynamiques exercés sur le robot. Les approches classiques utilisent généralement des modèles analytiques fortement simplifiés, par exemple fondés sur une relation de proportionnalité avec la vitesse de rotation des propulseurs. Dans un contexte de robotique collaborative ou d'essaims, d décrit également les interactions entre robots : effets aérodynamiques induits, mécanismes de perception et d'évitement, effets liés au partage d'informations ou encore interactions mécaniques lors du transport coopératif d'une charge ou de l'utilisation de structures reliant plusieurs robots.
L'hypothèse centrale de cette thèse est qu'il est possible d'apprendre une fonction constituant un modèle de fondation générique capable de représenter ces interactions physiques à travers différentes plateformes robotiques. Ce modèle exploitera des informations relatives à la géométrie, à la morphologie, à la structure du robot, à son état, à ses commandes, aux perturbations et aux conditions environnementales. Contrairement à un réseau de neurones spécifique à une plateforme, l'objectif est d'apprendre une représentation universelle des interactions locales (fluide-structure, robot-robot, robot-objet, etc.), rapidement adaptable à un nouveau robot à partir d'un nombre limité de données (few-shot adaptation).
Objectifs de la thèse
L'objectif principal de cette thèse est de développer une nouvelle génération de modèles hybrides combinant apprentissage à grande échelle et connaissances physiques afin de représenter les interactions entre un robot mobile et son environnement.
Les principaux verrous scientifiques portent sur les questions suivantes :
• Quelles représentations géométriques sont les plus adaptées pour apprendre des interactions physiques transférables ?
• Quelles données sont nécessaires pour entraîner un modèle de fondation de ce type ?
• Comment garantir sa capacité de généralisation à des robots, des environnements et des situations nouvelles ?
• Comment intégrer ces modèles appris dans une boucle de commande garantissant stabilité, robustesse et performances ?
Ces développements seront étudiés dans plusieurs contextes applicatifs, notamment :
• les interactions fluide-structure pour les robots aériens et sous-marins ;
• le transport coopératif d'objets par plusieurs drones ;
• le vol coordonné en essaim et les stratégies de commande distribuée intégrant les interactions entre robots.
Cette thèse s'inscrit dans le cadre d'un projet national consacré au développement de nouvelles infrastructures numériques pour l'agriculture et l'environnement. Les travaux contribueront à l'émergence de nouvelles capacités d'observation autonome, d'acquisition de données et de modélisation pour les sciences agronomiques et environnementales.
À terme, les résultats pourront être appliqués à de nombreux domaines tels que le suivi des cultures, l'observation de la biodiversité, le suivi de la faune, la surveillance des milieux naturels ou encore l'étude des systèmes pastoraux, en s'appuyant sur des flottes de robots autonomes capables d'interagir efficacement avec leur environnement.
Profil recherché
• Diplôme de Master 2 (ou équivalent) en robotique, automatique/commande ou dans un domaine connexe
• Excellente maîtrise de l’anglais, à l’écrit comme à l’oral
• Bonne expérience en C/C++, ROS et Matlab/Simulink
• Une première expérience en recherche scientifique, notamment dans le cadre d’un stage de Master, serait appréciée
• Curiosité scientifique, autonomie et capacité à mener des travaux de manière indépendante
• Des connaissances ou une expérience en méthodes d’apprentissage pour la robotique seraient un plus
• Une expérience en systèmes robotiques et/ou en robotique aérienne serait un plus
Votre Environnement de Travail
Le Gipsa-lab est une unité de recherche commune CNRS, Grenoble-INP (Institut de Technologie de Grenoble), Université de Grenoble conventionnée par l’Inria et l’Observatoire des Sciences de l'Univers de Grenoble.
Avec 350 personnes dont environ 150 doctorants, Gipsa-lab est une unité de recherche multidisciplinaire développant à la fois des recherches fondamentales et appliquées sur des signaux et des systèmes complexes.
Gipsa-lab développe des projets dans les domaines stratégiques de l'énergie, de l'environnement, de la communication, des systèmes intelligents, de la vie et de la santé et de l'ingénierie linguistique.
Par ses activités de recherche, Gipsa-lab maintient un lien constant avec l'environnement économique grâce à un partenariat fort avec les entreprises.
Le personnel du Gipsa-lab est impliqué dans l'enseignement et la formation dans les différentes universités et écoles d'ingénieurs de l'agglomération grenobloise (Université Grenoble Alpes).
Gipsa-lab est internationalement reconnu pour la recherche réalisée en Automatique et Sûreté du Système, Sciences des Données ( l'Information et de l'Image du Signal), Parole et Cognition. L’unité développe sa recherche au travers de 11 équipes organisées en 4 départements de recherche :
.Automatique et Sûreté du Système
.Sciences des Données
. Géométries, Apprentissage, Information et Algorithmes
.Paroles et Cognition
Le Gipsa-lab regroupe 150 permanents et environ 250 non permanents (doctorants, post-doctorants, chercheurs invités, stagiaires en master…)
Contraintes et risques
NEANT
Rémunération et avantages
Rémunération
La rémunération est d'un minimum de 2300,00 € mensuel
Congés et RTT annuels
44 jours
Pratique et Indemnisation du TT
Pratique et indemnisation du TT
Transport
Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€
À propos de l’offre
Référence de l’offre UMR5216-VIRFAU-064 Section(s) CN / Domaine de recherche Physique des matériaux : structure et dynamiqueÀ propos du CNRS
Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.
Le CNRS
Les métiers de la recherche
Advertisement text from CNRS, no licence stated; reproduced with attribution.
The employer's ad is the binding version. Apply through their system.
?
Saved calls and ads appear on your calendar, and their deadlines are included when you export it. Nothing else is added for you.