L'offre "STAGE 2018 – Modélisation de la planification des missions satellites par Deep Learning(h/f)." a été sauvegardée.

Continuer

Prêt à postuler ?

Merci de confirmer votre adresse email pour commencer à postuler.

Complétez votre application

Connectez-vous

mot de passe oublié ?
ou

Vous n'avez pas de compte ?

STAGE 2018 – Modélisation de la planification des missions satellites par Deep Learning(h/f). posté par AIRBUS

N/C
Toulouse
N/A
19 Candidatures

Description de l'offre



STAGE 2018 – Modélisation de la planification des missions satellites par Deep Learning(h/f).



Airbus Defence & Space Toulouse

Airbus est un leader mondial de l’aéronautique, de l’espace, de la défense et des services associés. En 2016, l’entreprise a dégagé un chiffre d’affaires de 67,0 milliards d’euros avec un effectif d’environ 134 000 personnes. Airbus propose la gamme d’avions de transport de passagers la plus complète, de 100 à plus de 600 sièges. Airbus est également le fournisseur d’avion de ravitaillement, de combat, de transport et de mission leader en Europe, ainsi que le numéro un européen et le numéro deux mondial de l’industrie spatiale. Sur le marché des hélicoptères, Airbus fournit les voilures tournantes civiles et militaires les plus performantes au monde.


Nos équipes travaillent avec passion et détermination pour faire du monde un endroit plus connecté, plus sûr et plus intelligent. Fiers de notre travail, nous nous appuyons sur l’expertise et l’expérience de chacun pour atteindre l’excellence. Notre diversité et culture du travail en équipe nous poussent à accomplir l’extraordinaire - sur terre, dans le ciel et dans l’espace.



Description du poste / stage

Historique de l'entreprise
Airbus Defence & Space, Space Systems, est le leader européen dans le domaine des systèmes optiques d'observation de la Terre. C'est l'entreprise pionnière responsable du développement des premiers systèmes spatiaux d'observation de la Terre en Europe, à commencer par la famille SPOT. Depuis lors, elle a été à l'avant-garde des grands développements européens dans ces domaines, à travers des programmes pour les agences spatiales, des solutions d'exportation ou les propres satellites d'observation de la Terre à très haute résolution (VHR) d'Airbus.
Cette évolution a permis à Airbus de développer une forte expertise dans la planification et l'analyse des missions à travers le département de la chaîne des missions (TESUM). Le département s'est fortement développé ces dernières années et compte aujourd'hui une centaine d'ingénieurs.

Sujet
La mission des satellites d'observation de la Terre est d'acquérir des données (image, acquisition radar...) en réponse à des demandes provenant de différents utilisateurs. La planification de la mission consiste à calculer l'ensemble des actions à réaliser par le satellite à tout moment, en fonction des propriétés de la demande et des limites du système: cinématique, mémoire bord, capacité de vidage...
Les algorithmes utilisés pour le traitement de la chaîne Mission sont intrinsèquement complexes, car ils nécessitent des calculs précis de géométrie et de mécanique orbitale, des modèles détaillés de la plate-forme satellitaire et de l'instrument optique, ainsi qu'un traitement de données lourd pour analyser, recenser, classer et planifier un grand nombre de demandes d'acquisitions.
Dans de nombreuses situations, il est très pertinent de modéliser le comportement des algorithmes de la chaîne de mission sans avoir besoin d'une grande précision, mais en mettant l'accent sur des performances d'exécution très rapides. C'est le cas des outils de simulation qui modélisent le comportement de la chaîne mission à long terme ou dans des contextes opérationnels où les clients doivent évaluer rapidement la faisabilité de planifier différents ensembles de requêtes pour orienter leurs décisions de programmation.
Dans ce contexte, les modèles de substitution et les techniques de Machine Learning peuvent s'avérer très efficaces pour résoudre ce problème. Au cours du stage, nous proposons d'étudier les techniques de Deep Learning émergentes qui peuvent fournir une excellente précision de modélisation sans longue phase de conception de modèles physiques.

Description du stage
Nous proposons de s'appuyer sur les outils de simulation existants et les algorithmes opérationnels réels, fournis par le département Airbus Defence et Space TESUM, pour générer des jeux de données massifs correspondant à l'entrée et à la sortie des différents algorithmes de la chaîne de mission. Les ensembles de données (données d'entrée et de terrain) serviront aux phases d’apprentissage, de validation et d'évaluation des algorithmes de Deep Learning. Sur la base des résultats des premières expériences, nous nous concentrerons soit sur la modélisation soit de blocs algorithmiques indépendants (fonctions d'agilité des satellites, fonctions de guidage d'images, calcul du plan d'acquisition) soit de la chaîne complète de bout-en-bout.
Les méthodes génériques de « Deep Neural Nets » (DNN) seront d’abord étudiées pour leur capacité à fusionner des données d'entrée hétérogènes (liste de paramètres d’une requête, configuration du système). Dans des cas spécifiques, des images ou des volumes de données peuvent être générés pour représenter le contexte d'entrée et alimenter ainsi des « Convolutional Neural Nets » (CNN). Dans d'autres situations, la chaîne de planification peut être modélisée récursivement (c. -à-d. insertion de la demande pour la planification d'acquisition) de telle sorte que les « Recurrent Neural Nets » (RNN) peuvent s'appliquer.
Pour chaque cas d'utilisation (algorithme mission et modèle de Deep Learning), le candidat évaluera la précision et les performances d'exécution du modèle. Dans un cas d'utilisation, le stagiaire évaluera les possibilités de « Transfer Learning », pour adapter un modèle (après phase d’apprentissage) à une configuration de système différente (par exemple, le transfert d'un modèle d'agilité formé pour un type d'actuateurs à une autre technologie d'actuateur).

Ce stage pourra commencer en Mars 2018, date sujette à flexibilité et sera d’une durée de 6 mois.
Ce poste nécessite une habilitation de sécurité ou nécessite d’être éligible à une habilitation par les autorités reconnues



Stages chez Airbus



Tâches et missions principales, responsabilités

Après s'être familiarisé avec le contexte du stage, le stagiaire devra:

  • Se familiariser avec les simulateurs Airbus DS et l'algorithme opérationnel afin de générer les jeux de données représentatifs nécessaires à la formation des modèles Deep Learning
  • Concevoir et réaliser des prototypes de plusieurs modèles de Deep Learning visant à prédire les résultats des différents algorithmes de la chaîne de mission
  • Pour chaque cas d'utilisation, réaliser une évaluation comparative des différentes stratégies de modélisation et évaluer la précision et la performance du modèle en temps réel
  • Pour un cas d'utilisation, évaluer l'opportunité de Transfer Learning pour évaluer la robustesse à une évolution des caractéristiques du système
  • Organiser, planifier et rendre compte des activités - travailler en collaboration avec les experts de la Mission et les ingénieurs SW - communiquer les résultats à l'équipe et aux parties prenantes


Compétences requises

Compétences requises

  • Connaissances de base en Machine Learning / techniques de Deep Learning et en simulation et modélisation
  • Compétences en développement logiciel: Python
  • Français ou anglais: niveau négociation

Et idéalement:

  • Connaissance des frameworks de Deep Learning tels que Keras ou Tensorflow
  • Contexte des systèmes spatiaux et/ou des systèmes d'observation de la Terre
  • Expérience initiale dans des projets de recherche et capacité à travailler de manière autonome.
  • Connaissance de Java, C/C++ et C++.
  • Vous aimez le travail d’équipe et possédez d'excellentes aptitudes relationnelles.

Numéro de référence

10379717 BT EN EXT 1