Ingénieur systèmes embarqués

Intégration de l'équipe en tant qu'alternant en M2 pour concevoir et développer des solutions d'intelligence artificielle embarquée sur des systèmes radar.

• Conception d'un pipeline embarqué complet comprenant une acquisition radar UWB, FFT (DSP9) et une classification en temps réel par CNN.
• Développement d'algorithmes de traitement du signal optimisés pour microcontrôleur en respectant des contraintes de temps réel et de mémoire.
• Intégration et optimisation de modèles de deep learning embarqués avec des exigences de latence et d'optimisation RAM/Flash.
• Test et validation de la solution sur le terrain.
• Rédaction de la documentation technique et collaboration avec des équipes internationales.

Réalisation d'un stage de M1 axé sur le déploiement de l'intelligence artificielle en périphérie de réseau (Edge AI) pour des microcontrôleurs.

• Mise en œuvre d'un pipeline d'Edge AI incluant l'acquisition de capteurs, le modèle et le déploiement sur MCU/NPU.
• Optimisation de l'inférence de réseaux neuronaux pour des systèmes embarqués contraints en ressources.
• Analyse des performances en termes de latence et de mémoire pour adapter la solution aux contraintes matérielles.
• Rédaction d'un support technique complet destiné à un usage pédagogique.

Réalisation d'un stage de recherche pour concevoir des architectures embarquées et des systèmes robotiques connectés.

• Conception et mise en œuvre d'une architecture embarquée distribuée composée d'un Arduino Mega et d'un Raspberry Pi 4 pour un robot mobile sur chenilles équipé d'un bras à 6 axes.
• Développement d'un système de vision par ordinateur utilisant YOLOv5 pour la détection d'objets.
• Implémentation d'un système de recharge autonome connecté avec communication et supervision via le protocole MQTT.