Descriptif du poste: Environnement métier : La conception et le déploiement de véhicules automatisés nécessite de s'assurer qu'ils réagissent de manière appropriée à l'ensemble des situations routières auxquelles ils sont confrontés. Ce travail de validation, mené essentiellement en simulation numérique, doit reposer sur des scénarios couvrant toute la complexité des interactions routières. Depuis une dizaine d'années, le CEESAR participe à la construction de bases de données de scénarios de référence pour la validation des systèmes de délégation et d'automatisation de la conduite (« véhicules autonomes »). Ces scénarios sont construits en exploitant des bases de données d'accidents de la route, en observant les comportements de nombreux conducteurs et conductrices ordinaires dans leur quotidien, mais aussi en mettant au point des véhicules intégrant des dispositifs de perception identiques à ceux de véhicules automatisés (radars, LIDARs, caméra 360°,  GNSS RTK.), en introduisant ces véhicules dans des conditions de trafic réel, et en exploitant les données qu'ils produisent pour créer une « vérité terrain », un jumeau numérique des conditions rencontrées. Mission : Dans le cadre d'un projet visant au développement de méthodes et de bases de données de référence pour la validation des véhicules automatisés, vous participerez à la mise au point d'une chaine de traitement de données collectées (radars, LIDAR, caméras, GNSS.) afin de créer des jumeaux numériques du trafic routier. Vous sélectionnerez, adapterez et développerez des modules de traitement visant à la consolidation et à la labellisation des données, modules qui seront intégrés dans une chaine de traitement industrialisée. En particulier, vous participerez à la détection d'objets et à leur « tracking ». Profil recherché:   * Ingénieur·e en robotique, perception, * Maitrise des algorithmes de détection, classification et « tracking » d'objets, * Capacité à mettre en œuvre, améliorer, combiner et entrainer des modèles d'intelligence artificielle, notamment avec PyTorch, afin de « fine-tuner » des modèles existants aux spécificités des capteurs choisis et de leur intégration physique, * Maitrise de Python ; développement en C/C++ apprécié, * Maitrise de ROS appréciée, * Capacité à intégrer des modules de traitements hétérogènes dans une chaine outillée fonctionnelle, respectant des contraintes techniques d'interface ; maitrise de Docker appréciée, * Rigueur, capacité d'analyse, de synthèse et d'adaptation, * Curiosité technique et scientifique, envie d'apprendre, * Expérience préalable dans le domaine des véhicules automatisés et de la perception appréciée, * Bon niveau d'anglais.