Valeo.ai

Depuis 2017, notre centre de recherche en intelligence artificielle est à la pointe de la recherche en IA dans l'industrie automobile, notamment dans les domaines de la conduite assistée et autonome.

Il y a douze ans, il n’y avait pas d’IA véritablement intégrée dans les voitures. Aujourd’hui, la plupart des voitures neuves sont équipées de logiciels, dont une grande partie repose sur l’IA.

Connecté au monde académique à l’échelle mondiale, notre Centre de Recherche en intelligence artificielle s’engage dans des applications automobiles de pointe. Nous menons des recherches ambitieuses en IA, notamment dans la conduite assistée et autonome. En développant et exploitant les technologies d’IA les plus avancées, nous ouvrons la voie à des innovations qui redéfinissent l’avenir de l’automobile. Situés à Paris, nous sommes déterminés à repousser les limites de la technologie pour créer un avenir plus sûr et plus efficace pour tous.

Recherche scientifique

Valeo.ai s’attaque aux principaux défis auxquels les véhicules autonomes sont confrontés dans la conduite quotidienne. Les systèmes avancés d’assistance à la conduite (ADAS) présentent parfois des limites en termes de précision et de fiabilité, en particulier dans des situations complexes avec la présence de feux de signalisation défaillants, l’absence de marquage au sol, des conditions météorologiques défavorables ou encore les comportements imprévus des autres usagers de la route.

Notre mission : surmonter ces obstacles pour améliorer la conduite automatisée et permettre une mobilité autonome plus sûre et plus efficace dans n’importe quel environnement, partout dans le monde.

Compréhension de la scène grâce à de multiples réseaux de capteurs
 

Les véhicules autonomes sont équipés de divers capteurs, notamment des caméras, des LiDARs (abréviation de Light Detection And Ranging), des radars, des capteurs ultrasoniques et des unités de mesure inertielles. Ces capteurs travaillent ensemble pour fournir une compréhension complète de l’environnement. Les données sont fusionnées pour créer une cartographie environnante, essentielle pour permettre au véhicule de percevoir et de comprendre son environnement.

Annotation et Apprentissage efficace des données
 

La collecte et l’annotation d’un grand nombre de données sont coûteuses et chronophages. Nos chercheurs explorent des alternatives à l’apprentissage supervisé classique, réduisant ainsi les coûts liés à l’annotation.

La recherche en perception dans un monde ouvert se concentre sur le développement de modèles capables de détecter et de s’adapter à des objets et situations nouveaux, tout en garantissant des opérations sûres et cohérentes dans des environnements dynamiques réels.

Modèles fiables
 

Les véhicules autonomes sont des appareils critiques qui nécessitent une conception extrêmement soignée pour un déploiement sûr et robuste.

Ils doivent fonctionner avec confiance dans des contextes nouveaux ou inattendus par rapport aux scénarios d’entraînement. Cela nécessite une généralisation des domaines, en construisant des systèmes capables d’adapter leur apprentissage à de nouveaux environnements avec des résultats fiables dans des scénarios pratiques.

Notre recherche inclut également des méthodes permettant de fournir des explications claires sur les décisions prises par ces systèmes complexes, avec pour objectif ultime d’offrir une transparence sur leur comportement, aussi bien dans des situations normales ou anormales. Nous cherchons à renforcer la confiance dans ces systèmes, en anticipant, expliquant et éliminant les biais susceptibles de conduire à des incidents.

Présentation de l’équipe

Le centre Valeo.ai est à la pointe de la recherche en IA et de ses applications dans l’industrie automobile. Nos équipes, hautement qualifiées, regroupent des experts en IA générative et compréhension multimodale, en vision par ordinateur et interprétation des scènes, apprentissage automatique (core machine learning), ainsi qu’en modélisation prédictive et gestion des incertitudes.

Rencontrez notre équipe

  • Ingénieur technique R&I Florent Bartoccioni

    Ingénieur technique R&I

    Perception | Scene understanding | Dynamic forecasting

    ENS Rennes | CTU Prague | INRIA

    Pragmatic dreamer

  • Chercheur Victor Besnier

    Chercheur

    Deep Learning | Computer Vision | Image Synthesis

    Sorbonne Université | ENPC

  • Chercheur Alexandre Boulch

    Chercheur

    Computer vision | Deep Learning | Geometry processing

    X | MVA | ENPC | ONERA

    3D perceiver

     

  • Chercheur senior Andrei Bursuc

    Chercheur senior

    Machine Learning | Computer Vision | Reliability | Self-supervised learning

    Politehnica | Mines | Inria | Safran

    Random walker

       

  • Doctorant Amaia Cardiel

    Doctorant

    Deep learning | Vision and Language

    SciencesPo | SorbonneU | UGA

    Language learner

  • Doctorant Loick Chambon

    Doctorant

    Deep learning |Computer Vision

    MVA | Sorbonne

    Climber

  • Chercheur Mickaël Chen

    Chercheur

    Generative Models | Forecasting

    Sorbonne Université

    Entropy producer

     

  • Directeur de recherche Matthieu Cord

    Directeur de recherche

    Deep Learning | Computer Vision | Vision and Language

    Enseirb | CergyU | KULeuven | Ensea | CNRS | SorbonneU | IUF

    Top chef

  • Chercheur Spyros Gidaris

    Chercheur

    Deep Learning | Computer Vision

    AUTH | Cortexica | ENPC

    Life-loving epicurean

     

  • Chercheur David Hurych

    Chercheur

    Machine Learning | Computer Vision | Generative Networks

    CTU-Prague | NII-Tokyo

    Curious

  • Doctorant Victor Letzelter

    Doctorant

    Deep Learning | Uncertainty Quantification | Signal processing

    Telecom Paris | MVA | EMSE

    Landscape explorer

  • Directeur de recherche Renaud Marlet

    Directeur de recherche

    Computer vision | Scene Understanding | 3D | Geometry Processing

    X | Inria | EdinburgU | Simulog | Inria | TrustedLogic | Inria | ENPC

    Persistent eclectist

     

  • Doctorant Tetiana Martyniuk

    Doctorant

    Deep learning | Computer Vision

    Mines Paris | INRIA

    Proud Ukrainian

  • Doctorant Björn Michele

    Doctorant

    Computer vision | Deep Learning | Frugal Learning

    DHBW | MVA | IRISA | UBretagne Sud

    Domain adapter

  • Chef de projet Serkan Odabas

    Chef de projet

    AI Norms, Regulations, Standardization | Management

    Sorbonne Université | Inria

    Gamer

  • Chercheur Gilles Puy

    Chercheur

    Computer Vision | Deep Learning

    Supélec | EPFL | INRIA | Technicolor

     

  • Chercheur Nermin Samet

    Chercheur

    Deep learning | Computer Vision

    METU | ENPC

    Book wanderer

  • Doctorant Corentin Sautier

    Doctorant

    Computer Vision | Deep Learning | Self-supervised Learning

    Mines Paris | MVA | ENPC

    Annotations hater

  • Doctorant Sophia Sirko-Galouchenko

    Doctorant

    Deep learning | Computer Vision

    DauphineU | MVA | SorbonneU

    Borscht-powered Cyborg

  • Chercheur senior Eduardo Valle

    Chercheur senior

    Computer Vision | Deep Learning | Generative AI

    CergyU | University of Campinas

    Neural optimizer

  • Chercheur Tuan-Hung Vu

    Chercheur

    Deep Learning | Computer Vision | Robustness | Generative AI

    Telecom | Inria | NEC

    Protein lover

      

  • Chercheur Yihong Xu

    Chercheur

    Deep Learning | Computer Vision | Motion and Tracking

    Telecom Bretagne | Inria | UGA

    Troublemaker

  • Chercheur Eloi Zablocki

    Chercheur

    Deep Learning | Computer Vision | Vision and Language

    X | MVA | SorbonneU

    Substancial learner

Projets collaboratifs


Confiance.ai

Confiance.ai est un programme de recherche technologique visant à sécuriser, certifier et améliorer la fiabilité des systèmes d’intelligence artificielle (IA). Lancé par le Conseil de l’Innovation, ce programme développe des méthodes et outils pour aider les acteurs industriels à concevoir et déployer des systèmes basés sur l’IA. Avec une ambition forte de lever les freins à l’industrialisation de l’IA, Confiance.ai répond aux défis scientifiques de l’IA de confiance et propose des solutions concrètes pour un déploiement dans le monde réel.


Multitrans

Le projet MultiTrans vise à accélérer le développement et le déploiement des véhicules autonomes en répondant aux défis de la perception, de la prise de décision et du contrôle dans des environnements ouverts. Le projet se concentre sur les systèmes embarqués basés sur la vision et propose une approche novatrice de l’apprentissage par transfert et de l’adaptation des domaines, permettant aux véhicules autonomes de fonctionner de manière sûre et fiable dans un éventail plus large de situations.


ASTRA

Dans le cadre du laboratoire commun avec INRIA, nous étudions la vision 2D et la perception 3D pour une compréhension robuste des scènes. Nos recherches se concentrent sur la réduction de la dépendance à des données et annotations abondantes et à une supervision intensive, en progressant vers des algorithmes de vision faiblement ou non supervisés, tout en proposant des modèles plus interprétables. Nous nous intéressons principalement à la conduite autonome, mais nos travaux s’étendent à diverses applications, aussi bien en intérieur qu’en extérieur.


ELSA

Le projet ELSA vise à créer un centre virtuel d’excellence dédié aux technologies d’IA sûres et sécurisées afin de relever les défis fondamentaux qui freinent le déploiement de l’IA.

Le projet élaborera un agenda stratégique de recherche axé sur la robustesse technique, la confidentialité et l’implication humaine, et s’attaquera à trois grands défis : les garanties de robustesse, l’apprentissage collaboratif privé et l’humain dans la boucle.


EXA4MIND

Le projet EXA4MIND ambitionne de démocratiser l’accès aux centres de supercalcul européens, en permettant des solutions innovantes à des problèmes complexes.

Partenariats universitaires