About this role
Publication date : Oct 28, 2026, 12:50PM
Contract duration : 6 months
Contexte
La perception collaborative permet à plusieurs véhicules ou robots de partager leurs données de perception (nuages de points LiDAR, features intermédiaires, détections) afin d'améliorer collectivement la qualité de perception de chaque agent. Les algorithmes de l'état de l'art dans ce domaine (V2VNet, CoBEVT, V2X-ViT, ainsi que des approches plus récentes pilotées par LLM) sont aujourd'hui évalués sur des jeux de données qui ne modélisent pas les contraintes réseau réelles conditionnant, en pratique, la faisabilité du partage de données entre agents à grande échelle dans les réseaux sans fil.
Ce stage s'inscrit dans les travaux menés à Orange sur le couplage entre perception collaborative et gestion des ressources réseau, en lien avec le projet ANR CANCUN.
Objectif du stage
L'objectif principal du stage est d'établir un benchmark d'évaluation des algorithmes de perception collaborative existants sous des conditions réseau réalistes et à une échelle supérieure à celle des jeux de données existants.
La génération d'un nouveau jeu de données multi-véhicules couplé à des conditions réseau réalistes constitue le support expérimental nécessaire à ce benchmark. La contribution scientifique visée est la caractérisation empirique du comportement de ces différentes classes d'algorithmes statiques et adaptatifs face à des contraintes réseau réalistes (bande passante, latence) limitant le nombre d'agents pouvant effectivement partager leurs données à un instant donné, et l'identification des conditions sous lesquelles les approches adaptatives (et plus spécifiquement celles pilotées par LLM) apportent un bénéfice mesurable par rapport aux approches statiques. En particulier, vous serez responsable de:
- La conception du protocole de benchmark et définition des scénarios réseau (e.g. bande passante, latence, taux de perte) et des métriques d'évaluation permettant de comparer équitablement les algorithmes de fusion statiques et les approches adaptatives.
- La génération de scénarios multi-véhicules et mise en place d'un pipeline de simulation (en utilisant CARLA / OpenCDA) permettant de générer des scénarios impliquant 10 à 20 véhicules avec capteurs LiDAR, en s'appuyant sur les pratiques établies.
- Une modélisation réaliste de l’infrastructure en intégrant des contraintes via des simulateurs tels que Mininet et/ou Sionna, configurées pour refléter des conditions représentatives de déploiements réseau réels.
- La construction d’un jeu de données couplé avec association, pour chaque scène générée, des données de perception (e.g. nuages de points) et des conditions réseau simulées associées à chaque véhicule.
- L’Exécution du benchmark sur des algorithmes de fusion collaborative ainsi que sur des approches pilotées par LLM, avec analyse de la dégradation des performances en fonction des contraintes réseau et du nombre d'agents participants, et mise en évidence des régimes dans lesquels l'adaptativité apporte un avantage mesurable.
- Étudiant(e) en M2 ou dernière année d’école d'ingénieur, spécialisation en IA, vision par ordinateur, réseaux, ou systèmes autonomes
- Intérêt pour la recherche appliquée et la rigueur expérimentale (protocoles de test, reproductibilité)
- Maîtrise de Python et d'un framework de deep learning (PyTorch de préférence)
- Expérience ou forte appétence pour le traitement de nuages de points 3D / LiDAR (PointNet, PointPillars, ou frameworks équivalents)
- Connaissances de base en réseaux (modèle OSI, notions de bande passante/latence) ; une expérience avec un autre outil d'émulation réseau constitue un plus
- Aisance avec Linux, Git, et l'exécution/débogage de pipelines expérimentaux impliquant plusieurs composants (simulation, réseau, modèles)
- Une familiarité avec les notions de base en LLM/IA générative (utilisation d'API, prompt engineering) est un plus
- Accès à un pipeline expérimental existant (baselines, code, environnement de simulation)
- Accompagnement dans la rédaction et la soumission d'un article scientifique à une conférence internationale en robotique/IA/vision par ordinateur
- Sujet à l'intersection de plusieurs domaines (vision par ordinateur, réseaux, IA générative/LLM, benchmarking), utile pour un profil recherche ou R&D en sortie de stage
- Accès à des ressources de calcul (GPU, environnement de simulation) pour l’exécution du benchmark et l’entrainement de modèles de vision.
Au sein d’Orange Research, la direction Réseaux et Infrastructures conçoit et expérimente les réseaux et infrastructures du futur avec nos écosystèmes, pour fournir une connectivité ambiante et des capacités de calcul distribuées qui soient sources de valeur, durables et de confiance.
Desired start date : Feb 01, 2027, 12:00AM
At Orange, only your skills matter.
Regardless of your age, gender, background, origin, religion, sexual orientation, disability, neurodiversity, or appearance, we actively encourage diversity within our teams, as it is a collective strength and a driver of innovation. Orange is a disability-inclusive employer: please feel free to let us know about any specific needs you may have.