Perception temps réel
Assembler les signaux rapides issus des capteurs pour produire une lecture exploitable de l’environnement ferroviaire.
Research cloud • multimodal perception • railway AI
Doctorante en perception multimodale temps réel pour véhicule ferromobile : fusion LiDARs + caméras, compréhension de voie, détection robuste des objets et anticipation des risques.
Mission doctorale
Assembler les signaux rapides issus des capteurs pour produire une lecture exploitable de l’environnement ferroviaire.
Faire dialoguer profondeur, image, géométrie et incertitude pour obtenir une scène plus robuste que chaque capteur seul.
Identifier objets, anomalies, obstacles et signaux faibles dans un contexte réel, bruité, mouvant et exigeant.
Stack scientifique
Research lab
Alignement entre nuages de points, image caméra, calibration et score de confiance.
Simulation numérique, éléments finis et visualisation scientifique de phénomènes physiques.
Gradient, Uzawa, contraintes et recherche de minimum sur problèmes appliqués.
Traitement du bruit, détection, segmentation et robustesse en conditions imparfaites.
Home cloud
Médiathèque personnelle, conférences, documentaires, cours et archives.
readyNotebooks de recherche, prototypes Python, exploration de données.
labObservabilité, métriques, temps réel, dashboards techniques.
metricsCode, versions, branches, historique et autonomie de dev.
versionedDocuments, synchro, notes, espace personnel et partage maîtrisé.
privateMini Jellyfin
Easter egg
Si t₀ est le début officiel de la trajectoire doctorale, écris t₀ au format JJMMAAAA.