Thèse IA Embarquée Informée par la Physique Opérateurs Neuronaux Embarqués pour l'Estimation en Temps Réel de l'Attitude des Satellites la Navigation Optique et la Prise de Décision à Bord. H/F

Détail du poste

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences Des Systèmes Laboratoire de recherche : Laboratoire Génie Industriel Direction de la thèse : Adam ABDIN ORCID 0000000346450640 Début de la thèse : 2027-01-01 Date limite de candidature : 2026-11-06T23:59:59 Les petits satellites ouvrent de nouvelles possibilités pour l'exploration et les opérations spatiales, mais leur autonomie reste limitée par leur capacité à estimer leur propre état et à prendre des décisions à bord, avec des ressources de calcul et d'énergie contraintes. Cette thèse porte sur l'intelligence artificielle embarquée pour la navigation optique et l'autonomie des satellites. Elle s'appuie, d'une part, sur des méthodes d'apprentissage automatique informées par la physique pour estimer l'état du satellite à partir de mesures optiques et, d'autre part, sur des méthodes de décision séquentielle sous incertitude, pour exploiter ces estimations dans la décision à bord. Une attention particulière sera portée à la prise en compte de l'incertitude et aux contraintes de mise en oeuvre sur matériel embarqué. Les méthodes développées seront évaluées en simulation sur des scénarios représentatifs de missions spatiales. Autonomous navigation and decision-making are key enablers for future space missions, in particular for small satellites operating with limited ground support. Physics-informed machine learning offers data-efficient ways to solve the inverse problems involved in optical navigation, while suitable sequential decision making under partial observability provide a framework for acting on uncertain information. Combining the two, under the constraints of embedded hardware, remains largely unexplored. The thesis aims to
(i) develop physics-informed machine learning methods for onboard state estimation from optical measurements;
(ii) characterise the uncertainty of these estimates;
(iii) use them for onboard decision-making under uncertainty;
(iv) assess the resulting methods under the computing and energy constraints of small satellites.

Le profil recherché

Master en intelligence artificielle, mathématiques appliquées, ingénierie aérospatiale ou domaine proche. Solides bases en apprentissage automatique et en programmation scientifique. Intérêt pour la décision sous incertitude et les systèmes spatiaux.