Contexte  Au sein d'une équipe spécialisée dans la computer vision et l'intelligence artificielle, vous participerez au développement d'une solution de localisation et cartographie simultanée Simultaneous Localization And Mapping (SLAM) reposant sur des modèles de Deep Learning déployés sur des plateformes embarquées à accélération matérielle. L'objectif est de remplacer les approches traditionnelles de vision par ordinateur par des algorithmes basés sur les réseaux de neurones afin d'améliorer les performances sur des systèmes Edge AI. Missions - Évaluer et benchmarker différents modèles de Deep Learning sur des accélérateurs IA embarqués (NPU). - Analyser les performances obtenues et sélectionner les modèles les plus adaptés au cas d'usage. - Adapter et optimiser un algorithme SLAM open-source afin d'exploiter les capacités des accélérateurs IA. - Valider les performances de la solution sur des datasets de référence (type KITTI). - Tester et qualifier l'algorithme sur des données réelles. - Développer et intégrer la solution sous forme de package ROS2. - Produire la documentation technique associée. - Accompagner les équipes de développement lors de l'intégration de la solution. Environnement technique Systèmes & Middleware - Embedded Linux - Yocto - Robot Operating System 2 (ROS2) Développement - C++ - Python (apprécié) Intelligence Artificielle - Deep Learning - TensorFlow Lite - Optimisation et déploiement de modèles embarqués Computer Vision & Robotique - SLAM (Simultaneous Localization and Mapping) - Vision embarquée - Traitement de données capteurs Profil recherché - Formation Ingénieur ou Master en Informatique, Robotique, IA ou systèmes embarqués. - Expérience en développement logiciel embarqué sous Linux. - Bonne maîtrise du C++. - Connaissances en Deep Learning appliqué aux systèmes embarqués. - Expérience ou forte compréhension des algorithmes SLAM. - Connaissance de ROS2. - Capacité à analyser et optimiser les performances de solutions IA embarquées.