Stage : amélioration de la représentativité de la plateforme mil adas

1. Contexte et environnement de travail :
La voiture se connecte, s'électrifie, s'automatise. Relever ces trois défis passe par la maitrise de la modélisation numérique, devenue stratégique pour toute l'industrie automobile. Stellantis dispose déjà de jumeaux numériques du véhicule pour la conception et la validation des fonctions d'aide à la conduite (ADAS) et cherche à étendre son champ d'application. Au-delà de la réduction des couts, l'optimisation de la balance numérique/physique constitue un puissant levier technique pour raccourcir les délais de développement, faciliter l'analyse des bugs et balayer plus largement le spectre des situations de vie et d'usage du véhicule.
L'entité dans laquelle se déroulera votre stage (Advanced Driving Assistance System) est spécialisée dans la validation numérique des fonctions d'aide à la conduite (ADAS). Elle s'appuie sur une chaine d'outils continue allant des plateformes de simulation avancées, telles que le MIL (Model-in-the-Loop), permettant de simuler des scénarios de conduite réalistes dans un environnement complètement virtuel, au HIL (Hardware-in-the-Loop) pour intégrer et valider les composants électroniques en interaction avec des modèles numériques. Elle est constituée d'une vingtaine de collaborateurs localisés en région parisienne, à Sochaux et au Maroc.
Votre mission se déroulera au sein de l'établissement de Poissy, au Green Campus. Après une période d'intégration en présentiel, sur site, vous pourrez réaliser une partie de votre mission en télétravail.

2. Vos missions :
Dans la continuité des développements déjà réalisés dans l'équipe, la mission consiste à améliorer la conception du jumeau numérique du véhicule. Durant cette expérience, vos principales missions seront les suivantes :
○ Réaliser une étude d'impact par injection de mesures physiques
○ Améliorer la représentativité des modèles par entrainement sur mesures physiques
○ Etudier la faisabilité de la réduction de modèles par apprentissage sur modèles haute performance
○ Analyser les gains produits
Documenter et communiquer les travaux