Thèse CIFRE (H/F) - Détection des multi-trajets en radar automobile et valorisation des données par des techniques d’intelligence artificielle

Experience: Not Available to Not Available years

Location: Guyancourt, France

Skills: Traitement du signal, Machine Learning, Deep Learning, Python, Matlab, C/C++

Company
AMPERE SOFTWARE TECHNOLOGY

Job Description
Contexte Dans le cadre du développement des systèmes avancés d’aide à la conduite (ADAS), les radars automobiles jouent un rôle central dans la perception de l’environnement en fournissant des informations robustes de position et de vitesse des objets. Cependant, en environnement réel, les phénomènes de multi-trajets liés aux réflexions sur des surfaces (murs, barrières métalliques, véhicules) peuvent générer des détections fantômes ( ghost targets ). Ces artefacts constituent aujourd’hui une source majeure de faux positifs et limitent les performances des fonctions ADAS, notamment dans des situations critiques (environnement urbain dense, tunnels, infrastructures métalliques). Dans ce contexte, Ampere Software Technology propose une thèse CIFRE visant à améliorer la robustesse de la perception radar à partir de données bas niveau (détections / point clouds), en s’appuyant sur des approches d’intelligence artificielle.

Vos missions
Au sein de l’équipe Drive & Confort – ADAS , et en collaboration étroite avec un laboratoire académique, vous aurez pour mission de :
? Recherche scientifique
Analyser les phénomènes de multi-trajets en radar automobile MIMO et leur impact sur la perception
Étudier l’état de l’art des méthodes d’identification de détections fantômes
? Exploitation des données radar
Manipuler des données radar bas niveau (détections / point clouds)
Analyser des collections de données issues de roulage réel
Exploiter des vérités terrain (lidar, caméra, RTK) pour l’annotation
? Développement d’algorithmes




Développer des méthodes d’identification des ghosts : approches classiques (traits physiques, cinématiques)
approches Machine Learning / Deep Learning
Définir les représentations les plus pertinentes des données radar
? Validation et évaluation
Mettre en place des métriques de performance adaptées
Évaluer les algorithmes sur des données réelles
Étudier la robustesse et la complexité computationnelle
? Application industrielle
Contribuer à l’amélioration des performances ADAS (réduction des faux positifs)
Participer à la montée en compétence sur le traitement radar bas niveau
Proposer des méthodologies d’exploitation et de valorisation des données radar

Apports de la thèse
Cette thèse contribuera directement à :
Améliorer la robustesse des systèmes ADAS dans des conditions critiques (pluie, brouillard, nuit, infrastructures complexes)
Réduire les faux positifs liés aux multi-trajets radar
Développer l’expertise interne sur le traitement radar bas niveau
Contribuer aux performances NCAP et à la roadmap sécurité du Groupe

Livrables attendus
Publications scientifiques (conférences et journal)
Méthodes de détection des multi-trajets radar
Benchmark et métriques d’évaluation
Contributions brevetables
Méthodologie d’exploitation de données radar

Votre profil
? Formation
Diplôme d’ingénieur ou Master 2 en : traitement du signal informatique / IA systèmes embarqués ou radar
? Compétences techniques
Traitement du signal / mathématiques appliquées
Machine Learning / Deep Learning
Programmation :



Python, Matlab (C/C++ est un plus)
Une expérience en radar ou perception est un atout
? Qualités personnelles
Autonomie et curiosité scientifique
Capacité à travailler en équipe (industriel + académique)
Bonnes capacités de communication

Organisation de la thèse
50 % du temps chez Ampere Software Technology
50 % dans un laboratoire académique partenaire
Encadrement : Tuteur industriel
Directeur de thèse académique

Pourquoi nous rejoindre ?
Travailler sur un sujet stratégique au cœur des ADAS
Accéder à des datasets industriels uniques
Contribuer à des innovations concrètes intégrées dans les véhicules
Évoluer dans un environnement combinant recherche avancée et application industrielle

Job Family
Transverse
Contract Duration
36 months
Renault Group is committed to creating an inclusive working workplace and the conditions for each of us to bring their passion, perform to the full and grow, whilst being themselves. We find strength in our diversity and we are engaged to ensure equal employment opportunities regardless of race, colour, ancestry, religion, gender, national origin, sexual orientation, age, citizenship, marital status, disability, gender identity, etc. If you have a disability or special need requiring layout of the workstation or work schedule, please let us know by completing this form. In order to follow in real time the evolution of your applications and to stay in touch with us, we invite you to create a candidate account. This will take you no more than a minute and will also make it easier for you to apply in the future. By submitting your CV or application, you authorise Renault Group to use and store information about you for the purposes of following up your application or future employment. This information will only be used by Renault Group companies as described in the Group privacy policy .

📌 Thèse CIFRE (H/F) Détection des multi trajets en radar automobil (Mumbai)
🏢 Renault
📍 Mumbai