Job Description: Airbus Commercial Aircraft recherche un(e) étudiant(e) en thèse sur le sujet: “Apprentissage par Renforcement Multimodal pour la Robotique (M/F)” pour rejoindre le département Central Research & Technology, Airbus SAS basé à Toulouse, France . Le département travaille en collaboration avec des laboratoires du CNRS (le LAAS pour son expertise robotique et le CerCo pour l’IA inspirée des neuro-sciences), également impliqués dans la chaire synergie C3PO du cluster IA toulousain ANITI. Le travail de recherche sera réalisé à Toulouse : il est prévu à 40% dans les locaux d’Airbus et à 60% dans les locaux académiques (CNRS/ANITI). Le début de la thèse est envisagé en Octobre 2026. Etes-vous prêt à faire progresser l'intelligence des robots pour qu'ils s'adaptent dynamiquement aux instructions humaines dans un environnement industriel aéronautique ? Votre environnement de travail : Capitale mondiale de l'aéronautique et capitale européenne de la recherche dans le spatial, Toulouse est une ville dynamique du sud-ouest de la France desservie par un aéroport international. Idéalement située entre la mer Méditerranée et l'océan Atlantique et à proximité des Pyrénées, elle offre de nombreuses possibilités d'activités de plein air ! Parce que nous prenons soin de vous : Avantages financiers : Salaire attractif, accords d’intéressement et de participation, plan d'épargne salariale abondé par Airbus, plan d’actionnariat salarié sur la base du volontariat, avec attribution d'actions gratuites en fonction du nombre d’actions souscrites. Équilibre vie privée / professionnelle : Des jours de congés supplémentaires pour occasions spéciales et des options de transfert de congés, un comité d'entreprise proposant de nombreuses activités socio-culturelles et d’autres services. Bien-être / santé : couverture complémentaire des frais de santé et de prévoyance (incapacité, invalidité, décès). Selon le site : centre de services de santé, services de conciergerie, salle de sport, application de covoiturage. Développement individuel: des opportunités d’évolution et des possibilités de formations nombreuses (catalogue de plus de 10.000 e-formations disponibles en libre accès pour développer votre employabilité, certifications, programmes de développement accéléré, parcours expert, mobilité nationale et internationale). Chez Airbus, nous vous aidons à travailler, à vous connecter et à collaborer plus facilement et de manière plus flexible. Partout où cela est possible, nous favorisons la flexibilité dans nos modes de travail afin de stimuler l'esprit d'innovation. Vos challenges : Contexte de la thèse : L'apprentissage par renforcement (“Reinforcement Learning” ou RL) est devenu un acteur majeur dans la prise de décision séquentielle en robotique, notamment pour gérer des entrées multimodales complexes (informations vectorielles, perception visuelle, instructions en langage naturel...). Dans le secteur aérospatial, le RL multimodal ouvre des perspectives de développement de robots plus adaptatifs, capables d'opérer dans des environnements industriels pour des tâches variées : inspection, manipulation, navigation, etc. La robotique est un champ de recherche actuellement très actif, avec deux impulsions récentes qui révolutionnent le domaine. La première vient du RL qui, depuis l’avènement de simulateurs massivement parallèles, permet par exemple de générer des politiques de marche en quelques minutes/heures. La seconde est l’utilisation de modèles de fondation robotique pré-entrainés type VLA (Vision-Language-Action), une extension naturelle des LLM (Large Language Models) & VLM (Vision-Language Models) à la robotique, permettant de capitaliser sur des connaissances acquises pour ne pas apprendre de zéro. L'objectif de cette thèse est d’utiliser le RL multimodal pour apprendre aux robots à adapter dynamiquement leur comportement à partir d’instructions de haut niveau fournies par des humains, en évitant de passer par l’ingénierie de fonction de récompense complexe. Ceci sera abordé en s’appuyant sur des modèles VLA pré-entrainés ainsi que sur la théorie du Global Workspace pour une fusion efficace des différentes modalités (proprioception, vision, instructions en langage naturel). Il est à noter qu’il existe plusieurs types de robots (bras robotiques, quadrupèdes...) qui peuvent jouer un rôle dans les opérations visées. Ainsi, des algorithmes généralistes applicables à différentes morphologies seront à privilégier dans ce contexte. Le travail de thèse consistera donc à : Réaliser un état de l'art sur le RL multimodal, les modèles Vision-Language-Action (VLA) et les mécanismes de fusion multimodale (Global Workspace Theory) Concevoir un cadre de RL multimodal basé sur des modèles de fondation robotique Proposer des méthodes pour simplifier/automatiser l’ingénierie de la