Vous souhaitez donner du sens à votre activité et prendre part à des projets d'envergure nationale comportant de forts enjeux, comme contribuer à l’avance technologique et à la souveraineté de la France dans le domaine de l’IA en soutenant les forces armées ?
Alors postulez et rejoignez l’AMIAD, l’Agence Ministérielle pour l’IA de Défense.
Rattachée au ministre des armées, l’AMIAD est une entité en pleine expansion qui mène des projets IA d’envergure, en collaboration avec toutes les entités du ministère et sur de nombreux domaines d'activité (systèmes d’armes, opérations, renseignement, commandement, soutien, administration).
La navigation autonome de robots terrestres et de drones (UAVs) en environnements extérieurs non structurés nécessite une compréhension précise de la géométrie 3D environnante, surtout dans des situations où le chemin praticable n'est pas clairement défini. Le robot doit estimer son propre mouvement tout en percevant le terrain, les obstacles et les zones praticables dans des conditions difficiles : végétation dense, surfaces répétitives ou faiblement texturées, illumination changeante, poussière et fortes vibrations causées par un terrain accidenté. Les approches classiques de ce problème reposent sur des chaînes de traitement multi-étapes telles que Structure-from-Motion [1] ou le SLAM visuel [2]. Bien que ces chaînes de traitement soient matures et précises dans des conditions favorables, elles ont tendance à échouer précisément là où les environnements non structurés sont les plus difficiles, lorsque des correspondances fiables entre les images ne peuvent être établies.
Ces dernières années, une nouvelle famille de modèles de reconstruction 3D feed-forward est apparue, comme par exemple DUSt3R [3] suivie d'approches telles que VGGT [4]. Ces réseaux régressent les poses des caméras, les cartes de profondeur associées ainsi que des cartes de correspondances denses à partir d'un ensemble d'images en une seule passe forward, sans mise en correspondance de features explicite ni ajustement de faisceaux (bundle adjustment). Entraînés sur de grandes collections de données 3D, ils obtiennent de très bons résultats sur les benchmarks standards, ce qui en fait des candidats attractifs pour la perception en robotique. Cependant, leurs données d'entraînement sont dominées par des scènes d'intérieur, des environnements urbains et des données de conduite. Leurs performances dans des environnements naturels et non structurés avec un robot terrestre ou un drone restent largement inexplorées, et les benchmarks existants fournissent rarement une vérité terrain métrique pour ce type de scène.
Ce stage cherche à combler cette lacune par une évaluation systématique des méthodes de reconstruction 3D feed-forward de l'état de l'art sur des données enregistrées et agrégées en environnements non structurés. Au-delà du benchmarking, le second objectif est d'augmenter la quantité de données disponibles pour l'entraînement des modèles de navigation basés sur des nuages de points développés au laboratoire [6]. Une méthode feed-forward fiable permettrait d'étendre notre chaîne de traitement de jeux de données de navigation afin de générer des nuages de points à partir de jeux de données composés uniquement d'images, bien plus répandus que les jeux de données incluant du LiDAR. L'objectif principal de ce stage est donc de mesurer la capacité de généralisation de ces méthodes en dehors de leur distribution d'entraînement et de comprendre les causes de leurs échecs dans ces scénarios.
Références
[1] Schönberger and Frahm. Structure-from-Motion Revisited. In CVPR, 2016.
[2] Campos et al. ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial, and Multimap SLAM. IEEE Transactions on Robotics, 2021.
[3] Wang et al. DUSt3R: Geometric 3D Vision Made Easy. In CVPR, 2024.
[4] Wang et al. VGGT: Visual Geometry Grounded Transformer. In CVPR, 2025.
[5] Wang et al. VGGT-Ω. In CVPR, 2026.
[6] Dezons et al. Multimodal embodiment-aware navigation transformer. arXiv preprint, 2026.
Master 2 ou dernière année d'école d'ingénieur, compétences recherchées : apprentissage automatique, deep learning, vision par ordinateur, 3D, pytorch.
