Complétez votre profil pour recevoir des offres adaptées.

Mon espace

Mes CV vus

Mes candidatures

Mes alertes

Mon profil

Paramètres

Déconnexion

Missions d'intérim
Offres de stage
Offres en alternance
Créer mon alerte
Déposer mon CV
Salaire brut net

Téléchargez l'app et postulez dans les premiers !

Diffuser ma première offre Déjà client

Téléchargez l'app et postulez dans les premiers !

Se connecter S'inscrire Formation

Téléchargez l'app et postulez dans les premiers !

Trouver mon job s
Trouver mon entreprise s
Accès recruteur
- Diffuser ma première offre
- Déjà client
Télécharger l’app

Emploi
- Missions d'intérim
- Offres de stage
- Offres en alternance
- Créer mon alerte
- Déposer mon CV
- Salaire brut net
Formation
Emploi
Emploi
Mon compte
- Se connecter Mon compte
- S'inscrire
- Mon espace
- Mes CV vus
- Mes candidatures
- Mes alertes
- Mon profil
- Paramètres
- Déconnexion

Salaire fourni par le recruteur

Ce recruteur joue le jeu de la transparence en transmettant le salaire pour cette offre.

Post Doc-Algorithmes de Bandits pour la Recherche de Plus Court Chemin H/F Orange

Lannion - 22
CDD
Télétravail partiel
12 mois
Bac +5
Industrie high-tech • Telecom
Exp. 1 à 7 ans

Lire dans l'app

Les missions du poste

Votre rôle est d'effectuer un travail de Post doc sur le sujet " Algorithmes de bandits pour la recherche de plus court chemin dans un environnement multi-agents, stochastique ou adverse" dans le cadre du projet ANR CANCUN (Time-Sensitive Vehicular Control and Collaborative Perception via AI-augmented Sustainable Networks) démarré en 2025.

Dans un environnement industriel, comme un port, une chaine de montage..., des véhicules autonomes et d'autres pilotés par des humains doivent parcourir des trajets correspondant à leurs différentes tâches. Les véhicules partagent le même réseau de circulation et peuvent se gêner mutuellement, modifiant les temps de parcours et donc la consommation énergétique. L'objectif est de minimiser l'énergie nécessaire à la réalisation des parcours des véhicules autonomes. Ce problème peut se modéliser comme une recherche de plus court chemin stochastique dans un Processus de Décision de Markov [1], où les transitions entre les noeuds (croisements) connaissant les actions (choix des routes) sont déterministes et où l'énergie nécessaire au parcours d'une route serait une variable aléatoire. Des premiers travaux considérant un seul véhicule autonome dans un trafic mixant véhicules autonomes et véhicules pilotés par des humains ont montré que dans le cadre stochastique, un algorithme de bandits [2] permettait d'explorer quasi-optimalement l'espace des chemins [3]. L'objet de ces travaux de recherche est d'étendre cette approche dans plusieurs directions :
- Multi-agent : contrôle de plusieurs véhicules autonomes partageant le même réseau de circulation en utilisant par exemple une approche bandits multi-joueurs [4].
- Communication : utilisation de messages entre les agents pour accélérer la convergence [5].
- Adversité : les véhicules pilotés par des humains ont des buts déterministes, et ont donc un effet non stochastique (en pire cas adverse) sur les temps de parcours des véhicules autonomes [6].

Les algorithmes seront analysés, puis testés sur un simulateur (SUMO), puis sur une plateforme de véhicules commandés à distance en milieu industriel.

· Doctorat informatique / mathématiques / réseaux de télécommunication.

· Compétences en apprentissage et notamment apprentissage par renforcement, processus de décision markovien, bandits.

· Compétences en mathématiques, statistiques, optimisation.

· Compétence en réseau de télécommunication mobile.

· Compétences en informatique (Python, C++), la connaissance du simulateur de réseaux routiers SUMO serait un plus.

· Maitrise de l'anglais écrit et oral.

· Bonnes qualités relationnelles.

Les références
[1] Dynamic Programming and Optimal Control: Volume I, D. Bertsekas, Belmont, MA, USA: Athena Scientific, 4th ed., 2012.
[2] Bandit Algorithms, T. Lattimore and C. Szepesvari, Cambridge University Press, 2020.
[3] Multi-armed Bandit for Stochastic Shortest Path in Mixed Autonomy, Yu Bai, Yiming Li, and Xi Xiong, arXiv, 2025.
[4] Multi-Player Bandits - a Musical Chairs Approach, Jonathan Rosenski, Ohad Shamir, Liran Szlak, NeurIPS, 2016.
[5] Decentralized Exploration in Multi-Armed Bandits, Raphaël Féraud, Réda Alami, Romain Laroche, ICML, 2019.
[6] Stochastic Shortest Path with Adversarially Changing Costs, Aviv Rosenberg and Yishay Mansour, IJCAI, 2021.

Mutuelle et prévoyance collective
Un smartphone professionnel pour tous
Remise de 30% sur les abonnements perso internet et mobile Orange
Avec le CSE, pack culture, CESU, chèques-vacances, billetterie
Orange participe financièrement aux trajets domicile-travail
Jusqu'à 20 jours de RTT selon le régime de travail
Compte Epargne Temps
Plan d'Epargne Entreprise et Plan d'Epargne Retraite Collectif
Programme de sponsoring interne pour soutenir vos projets passion
Droit à la déconnexion numérique en dehors des heures de travail

Part variable, intéressement, participation, restaurant d "entreprise, réduction produits et services, Activités sociales (culturelles, sportives, voyages, réduction enseignes et concerts, musées..enfants).

Les étapes de recrutement

Les étapes de recrutement peuvent varier selon l'offre à laquelle vous postulez.

Proposition d’entretien ou réponse négative dans les 15 jours après votre candidature
Entretien en visio ou présentiel avec le/la consultant(e) en recrutement sous 15 jours
Rencontre en visio ou présentiel avec le/la manager
Votre candidature est retenue, félicitations ! Vous recevez votre proposition d'embauche
Bienvenue chez Orange :) votre programme d’intégration démarre
En cas de réponse négative, nous restons à votre disposition pour un debrief