Le GREAH propose, en collaboration avec NEAC Industry et l’IRSEEM, une offre de thèse CIFRE intitulée :
Élaboration d’une commande prédictive avec apprentissage par renforcement profond pour application à la navigation fluviale
Cette thèse s’inscrit dans le domaine des systèmes autonomes de surface, de la commande prédictive, de l’apprentissage par renforcement profond et de la robotique mobile appliquée à la navigation fluviale et maritime.
Le sujet vise à développer une stratégie de commande avancée pour des embarcations autonomes de type trimaran, équipées de deux moteurs électriques de type RIM et de ballasts. L’objectif scientifique principal est de concevoir une commande prédictive data-driven intégrant des world models, afin d’améliorer la robustesse, la précision, l’efficacité énergétique et la sécurité de navigation dans des environnements soumis à des perturbations et à des contraintes dynamiques.
La personne recrutée travaillera sur la modélisation de l’embarcation, l’identification de paramètres, la conception de lois de commande prédictive, ainsi que l’intégration de méthodes issues de l’apprentissage profond et de l’apprentissage par renforcement. Les algorithmes développés seront évalués sur des scénarios réalistes définis avec NEAC Industry, avec une attention particulière portée à leur implémentation embarquée et à leur performance en temps réel.
Profil recherché
Le poste s’adresse à un(e) étudiant(e) de niveau Master 2 ou diplôme d’ingénieur, disposant de compétences en :
- automatique et commande prédictive ;
- modélisation de systèmes dynamiques ;
- moteurs électriques et électronique de puissance ;
- apprentissage automatique ou apprentissage par renforcement, apprécié.
Informations pratiques
Début envisagé : octobre 2026
Financement : CIFRE
Encadrement : Nicolas Langlois, François Guérin, Thomas Chevet et Lionnel Mesnil
Candidature : CV, relevés de notes de M1 et M2, et deux lettres de recommandation à envoyer à :
thomas.chevet@irseem-esigelec.fr
lionnel.mesnil@neac-industry.com
Pour plus d’information :
