AI/ML Engineer in Toulouse

Established in 2017, Infinite Orbits est une entreprise NewSpace, basée à Toulouse, qui repousse les limites des services en orbite avec des vaisseaux spatiaux de pointe propulsés par sa propre solution Rendez-Vous, une solution avancée de navigation autonome basée sur la vision. IO a deux générations de missions : "Orbit Guard" fournit des services d'inspection et de sensibilisation à la situation spatiale en GEO. Notre première mission, OG-1, a été lancée le 1er mai 2023, la deuxième sera lancée en 2025 et la troisième en 2026. "Endurance" est un service de docking capable d'étendre la vie des satellites de télécommunications GEO, en prenant en charge l'AOCS pendant 5 ans.

Nous recherchons un ingénieur AI/ML pour construire et déployer des capacités basées sur l'apprentissage au sein de nos systèmes spatiaux autonomes. Dans ce rôle, vous créerez des modèles qui fonctionnent directement en autonomie en boucle fermée, soutenant la perception, la navigation et la prise de décision dans des environnements de mission réels. Il s'agit d'un poste pratique pour les ingénieurs qui souhaitent que leurs modèles fonctionnent sur de véritables vaisseaux spatiaux, et non simplement évalués dans des expériences hors ligne.

Description du poste

• Concevoir, entraîner et valider des modèles AI/ML soutenant l'autonomie des satellites, y compris les opérations de rendez-vous et de proximité, l'inspection en orbite, le vol en formation et la sensibilisation au domaine spatial.
• Développer des composants basés sur l'apprentissage pour la guidance, la navigation, la perception et la prise de décision, tels que l'estimation de pose, la détection d'anomalies, la reconnaissance de comportements et la génération de trajectoires.
• Construire des outils alimentés par LLM et VLM pour permettre des opérations intuitives des satellites, y compris des interfaces de commande en langage naturel et la compréhension de scènes visuelles.
• Créer et maintenir des pipelines de génération de données synthétiques qui modélisent des dynamiques orbitales réalistes, le comportement des capteurs, les conditions d'éclairage et l'incertitude, en utilisant la randomisation de domaine et des techniques sim-to-real.
• Étendre et améliorer les environnements de simulation utilisés pour l'entraînement, la vérification, les tests de résistance et l'évaluation adversariale des modèles d'autonomie.
• Optimiser les modèles pour le déploiement en vol, en appliquant des techniques telles que la quantification, l'élagage, le regroupement et l'inférence en temps réel sur des calculateurs embarqués limités.
• Intégrer des composants ML dans le logiciel de vol en utilisant des interfaces Python et C++ bien structurées, avec de fortes garanties et des comportements de secours.
• Participer aux tests logiciels en boucle et matériels en boucle, fermant la boucle de rétroaction entre simulation, capteurs, systèmes de contrôle et améliorations des modèles.
• Assumer l'entière responsabilité de vos modèles, depuis les premières expérimentations et pipelines d'entraînement jusqu'aux tests, à la révision, au déploiement et à la maintenance à long terme.

Exigences

• Solide base en apprentissage automatique, apprentissage profond, apprentissage par renforcement ou discipline technique connexe.
• Expérience pratique dans le développement, l'entraînement et l'évaluation de modèles ML pour la perception, l'estimation, la planification ou les systèmes de contrôle.
• Maîtrise des frameworks ML modernes tels que PyTorch ou TensorFlow, et capacité à intégrer des modèles dans des systèmes Python et C++.
• Expérience dans la construction d'outils de simulation ou de pipelines de génération de données pour soutenir le développement ML.
• Capacité à concevoir, déboguer et mettre à l'échelle des flux de travail d'entraînement, y compris la gestion des ensembles de données, l'entraînement distribué et l'évaluation.
• Familiarité avec le déploiement de l'inférence ML dans le cadre de plus grands logiciels autonomes ou robotiques.
• Un sens de la responsabilité, une adaptabilité dans des environnements rapides et une communication claire autour des compromis techniques.

Avis favorable

• Expérience de travail avec des modèles de fondation ou des architectures pré-entraînées à grande échelle.
• Connaissance de la mécanique orbitale, de la dynamique des vaisseaux spatiaux ou des systèmes spatiaux.
• Expérience de la combinaison de modèles appris avec des algorithmes d'estimation, de guidance ou de contrôle classiques.
• Connaissance du transfert sim-to-real, de l'adaptation de domaine ou des systèmes ML opérationnels.
• Exposition à l'inférence embarquée, à l'optimisation GPU ou aux plateformes autonomes en temps réel.
• Publications, contributions open-source ou expérience de recherche en ML, robotique, autonomie ou apprentissage par renforcement.

Ce que nous offrons

• L'opportunité de faire partie d'une équipe internationale transformant l'industrie spatiale.
• Un environnement de travail créatif et innovant où les idées deviennent réalité.