Topic description
Cette thèse s'inscrit dans le cadre du groupe de recherche international SMILE (Soft Matter, Intelligence and Learning for Engineered Materials), une équipe de recherche commune entre l'Université de Lorraine et l'Université de Liège. Le projet porte sur le développement d'un robot exploratoire capable de se déplacer de manière adaptative dans des environnements granulaires complexes, tels que le sable ou le gravier. L'objectif est de concevoir un système bio‑inspiré capable de s'adapter aux incertitudes du terrain grâce à une combinaison innovante de modélisation physique, apprentissage automatique et contrôle en temps réel.
Le cœur du projet repose sur la création de jumeaux numériques dédiés à la locomotion dans les milieux granulaires. Pour cela, le doctorant combinera des simulations DEM haute fidélité (Discrete Element Methods) avec des approches d'apprentissage graph‑based et des modèles informés par la physique. Ces outils permettront de comprendre comment la forme du robot, ses interactions locales avec les particules et ses stratégies de propulsion influencent son déplacement. Le travail inclura également la conception de nouvelles architectures mécaniques et de capteurs intégrés à l'interface robot‑sol, afin de permettre au robot de percevoir la structure locale du terrain, d'anticiper les réactions du milieu et d'adapter sa locomotion (gait, vibration, déformation) en temps réel.
En reliant physique computationnelle, deep learning et contrôle, la thèse vise à la fois à approfondir la compréhension fondamentale de la locomotion dans les milieux granulaires et à produire une plateforme robotique réellement opérationnelle pour l'exploration de terrains difficiles.
Le doctorant évoluera dans un environnement de recherche dynamique, international et multidisciplinaire. Les chercheurs de SMILE combinent expérimentations, simulations numériques avancées et apprentissage profond informé par la physique pour étudier et contrôler la matière molle, avec des applications fortes en robotique. Le projet se déroulera en cotutelle entre la France et la Belgique, avec un partage équilibré du temps de recherche entre Nancy et Liège. Cette collaboration permettra au doctorant d'obtenir un double diplôme de doctorat reconnu par les deux institutions.
Le candidat recherché doit être motivé, curieux et capable de travailler de manière autonome comme en équipe. Un Master en mathématiques appliquées ou en génie mécanique est requis, avec un intérêt marqué pour les méthodes numériques, le traitement de données ou l'apprentissage profond. Aucune expérience préalable en physique des milieux granulaires n'est nécessaire. Le doctorant devra produire une recherche de haut niveau, présenter ses résultats dans des conférences internationales et publier dans des revues scientifiques. Des activités d'enseignement dans les universités partenaires pourront également être envisagées.
Le poste est un contrat doctoral de 3 ans, avec un salaire mensuel brut d'environ €, incluant les cotisations retraite. Les candidatures doivent être soumises avant le 20 avril à 23h59 (CET/CEST) et doivent inclure une lettre de motivation, un CV, les relevés de notes de Licence et Master, ainsi qu'une lettre de recommandation du superviseur de stage ou d'un encadrant précédent. Les candidats présélectionnés seront invités à des entretiens et éventuellement à des tests complémentaires.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
This PhD project, hosted within the international joint research group SMILE (Soft Matter, Intelligence and Learning for Engineered Materials), focuses on developing a new generation of exploratory robots capable of adaptive locomotion in granular environments such as sand, gravel, or snow. The research aims to design a bio‑inspired robotic system that can robustly navigate uncertain terrains by leveraging a combination of high‑fidelity physical simulations, physics‑aware machine learning, and real‑time control strategies.
The core scientific objective is to build digital twins that accurately capture the complex interactions between a robot and granular substrates. To achieve this, the PhD candidate will integrate Discrete Element Method (DEM) simulations with graph‑based learning models to understand how variations in body shape, contact geometry, and local particle rearrangements influence propulsion. The project also emphasizes the development of innovative mechanical designs and embedded sensing at the robot–ground interface, enabling the robot to perceive local structural features, predict short‑term ground reactions, and adapt its gait, vibration patterns, or morphology in real time.
By bridging computational physics, machine learning, and robotic control, the project aims to advance fundamental understanding of friction‑driven locomotion in granular media while delivering a practical, field‑ready robotic platform for exploration in challenging terrains.
The PhD will take place in a highly collaborative and international environment. SMILE researchers combine experimental platforms, high‑fidelity numerical simulations, and physics‑informed deep learning to study and control soft matter, with strong applications in robotics and adaptive locomotion. The doctoral work will be conducted under a joint supervision (cotutelle) between the University of Lorraine (France) and the University of Liège (Belgium), with the candidate spending approximately half of the research time at each institution. This arrangement will allow the student to obtain a jointly recognized PhD degree from both universities.
The ideal candidate is expected to be motivated, curious, and capable of working independently as well as within a multidisciplinary team. Applicants must hold a Master's degree in Applied Mathematics or Mechanical Engineering, with strong interest in numerical methods, data processing, or deep learning. Prior experience in granular physics is not required. The candidate will be expected to conduct high‑quality research, present results at international conferences, and publish in peer‑reviewed journals. Teaching activities at partner universities may also be part of the position.
The PhD fellowship is a 3‑year salaried position, with a monthly gross salary of €, including pension contributions. Applications must include a motivation letter, CV, transcripts and degree certificates (Bachelor and Master), and a recommendation letter from the M2 internship supervisor or a previous project supervisor. The application deadline is April 20, at 23:59 (CET/CEST). Shortlisted candidates will be invited to interviews and may undergo additional evaluation steps.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/11/
WEB :
Funding category
Funding further details
Financement d'un établissement public Français
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.