Thèse Apprentissage Estimation et Contrôle des Systèmes Non Linéaires de Dimension Infinie H/F Doctorat.Gouv.Fr
- Grenoble - 38
- CDD
- Bac +3, Bac +4
- Bac +5
- Service public d'état
À noter sur ce job
Vous avez ces compétences ? Cliquez dessus pour les ajouter rapidement à votre profil !
Détail du poste
Établissement : Université Grenoble Alpes
École doctorale : EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal
Laboratoire de recherche : Grenoble Images Parole Signal Automatique
Direction de la thèse : Emmanuel WITRANT ORCID 0000000220268915
Début de la thèse : 2026-09-15
Date limite de candidature : 2026-09-15T23:59:59
Ce sujet de thèse s'inscrit dans le domaine de la recherche fondamentale en automatique, modélisation et apprentissage pour les systèmes distribués complexes. Les travaux viseront à développer de nouvelles méthodes théoriques de modélisation hybride combinant connaissances physiques et apprentissage statistique, ainsi que des outils avancés d'estimation, d'identification et de commande pour des systèmes décrits par des équations aux dérivées partielles. Une attention particulière sera portée à l'analyse de la stabilité, de la robustesse et des performances des algorithmes d'apprentissage et de contrôle, notamment dans le cadre de systèmes non linéaires, incertains et à paramètres distribués. Le projet contribuera également au développement de cadres méthodologiques associant théorie du contrôle, intelligence artificielle, estimation d'état et fusion de données, avec pour objectif d'améliorer la compréhension, la prédiction et la maîtrise de phénomènes physiques complexes. Les validations expérimentales envisagées, sur un voilier de petite dimension, auront pour vocation de confronter les développements théoriques aux observations réelles et de produire des jeux de données scientifiques permettant l'évaluation des modèles et des méthodes proposées. Ce projet vise donc l'avancement des connaissances académiques en automatique, apprentissage et modélisation des systèmes complexes.
ANR AutoSail
Le profil recherché
- Connaissances de base dans un ou plusieurs des domaines suivants : modélisation dynamique, apprentissage automatique (machine learning), commande avancée, mécanique des fluides, simulation et mise en oeuvre de systèmes ROS (Robot Operating System).
- Compétences en rédaction technique pour les publications scientifiques. Bonnes aptitudes à la communication en anglais.
- Esprit orienté vers la résolution de problèmes, autonomie, motivation, sens de l'initiative, débrouillardise et fiabilité. Capacité à travailler aussi bien de manière indépendante qu'au sein d'une équipe.
- Pour les étudiants internationaux, un score minimal de 7,0 à l'IELTS ou de 92 au TOEFL iBT est requis.
Publiée le 01/09/2026 - Réf : 969397ae5c3b14b03b6cef7e8577701e