Offres d’emploi
Post-doc : « Apprentissage en robotique, avec application à la saisie d’objets »
Contexte :
Dans le cadre du projet FET Proactive DREAM (http://dream.isir.upmc.fr/), une approche de la robotique adaptative basée sur l’apprentissage ouvert a été définie. L’objectif principal est de permettre à un robot d’apprendre sans nécessiter une préparation minutieuse par un expert. Cette approche soulève de nombreux défis, notamment l’apprentissage avec des récompenses rares, l’apprentissage de représentations (pour les états et les actions), l’apprentissage et l’exploitation de modèles, le transfert d’apprentissage, le méta apprentissage et la généralisation. Ces sujets sont considérés en simulation, mais aussi sur des plateformes robotiques réelles, notamment dans le contexte de la saisie d’objets.
Missions :
Ce poste vise à contribuer à ces sujets dans le cadre de plusieurs projets européens, en particulier SoftManBot, Corsmal, INDEX et Learn2Grasp. S’appuyant sur les travaux antérieurs de l’équipe de recherche, les approches proposées devront être facilement adaptables à différentes plateformes robotiques et seront donc appliquées à différents robots (bras Panda de Franka-Emika, Baxter, PR2 ou TIAGO, par exemple).
Profil recherché :
Les candidats à ce poste doivent être titulaires d’un doctorat en apprentissage machine ou dans un domaine connexe dans lequel des applications robotiques (simulées ou réelles) ont été considérées.
Compétences requises :
Une excellente formation est attendue en apprentissage machine ainsi qu’une expérience en robotique. D’excellentes compétences en programmation en Python sont attendues.
Plus d’informations :
- Type de poste : Chercheuse / Chercheur post-doctoral
- Durée du contrat : 24 mois
- Niveau d’études souhaité : Doctorat
- Montant rémunération : Rémunération en fonction de l’expérience
- Laboratoire d’accueil : ISIR (Institut des Systèmes Intelligents et de Robotique), Campus Pierre et Marie Curie, 4 place Jussieu, 75005 Paris.
Personne à contacter :
- Stéphane Doncieux
- stephane.doncieux(at)sorbonne-universite.fr
- Envoyer votre candidature par mail, avec [nom de l’offre] en objet, un CV et une lettre de motivation.
Offres de thèse
L’ISIR est rattachée aux École Doctorale : SMAER et EDITE.
Thesis topic: Learning Generative World Models of Physical Dynamics
Context:
AI4Science is an emerging research field that investigates the potential of AI methods to advance scientific discovery, particularly through the modeling of complex natural phenomena. This fast- growing area holds the promise of transforming how research is conducted across a broad range of scientific domains. One especially promising application is in modeling complex dynamical systems that arise in fields such as climate science, earth science, biology, and fluid dynamics. A diversity of approaches is currently being developed, but this remains an emerging field with numerous open research challenges in both machine learning and domain-specific modeling.
This PhD project aims to investigate the next generation of AI models for physical dynamics. The objective is to develop generative world models that learn structured representations of physical systems and can efficiently model, predict, and reason about their evolution. The research will focus on applications such as fluid mechanics and climate science while addressing fundamental questions at the intersection of machine learning and scientific computing.
Research Directions:
The main objective of this PhD is to develop generative world models for physical dynamics that combine scalability, uncertainty modeling, and scientific consistency.
The research will explore several complementary directions:
– Learning transferable representations of physical dynamics, by developing latent representations that capture the underlying structure of physical systems and can generalize across multiple physical regimes and downstream tasks.
– Generative modeling of physical trajectories, using recent approaches such as diffusion models, flow matching, and stochastic interpolants to represent uncertainty, multimodality, and long- term evolution of complex dynamical systems.
– Physically consistent generative models, by integrating physical constraints and scientific priors into generative learning in order to produce solutions that remain both accurate and scientifically valid.
The exact research direction will be adapted to the candidate’s interests and background and may emphasize either methodological developments or applications to scientific domains such as fluid dynamics and climate modeling.
Position and Working Environment
The PhD studentship is a three years position starting in October/ November 2026. It does not include teaching obligation, but it is possible to engage if desired. The PhD candidate will work at Sorbonne Université (S.U.), in the center of Paris. He/She will integrate the MLIA team (Machine Learning and Deep Learning for Information Access) at ISIR (Institut des Systèmes Intelligents et de Robotique).
Required Profile:
Master degree in computer science or applied mathematics, Engineering school. Background and experience in machine learning. Good technical skills in programming.
General information:
– Supervisor: Patrick Gallinari
– Collaboration as part of the PhD thesis: INRIA Paris, Institut d’Alembert Sorbonne Université
– Start date: November/ December 2026
– Note: The research topic is open and depending on the candidate profile could be oriented more on the theory or on the application side
– Host laboratory: ISIR (Institute of Intelligent Systems and Robotics), Pierre and Marie Curie Campus, 4 Place Jussieu, 75005 Paris.
– Keywords: AI4Science, deep learning, physics-aware deep learning, world models, generative models, foundation models
Application:
– Contact person: Patrick Gallinari
– Email: patrick.gallinari@sorbonne-universite.fr
– Please send a cv, motivation letter, grades obtained in master, recommendation letters when possible to patrick.gallinari@sorbonne-universite.fr
– Application deadline: 20/12/2026
Offres de stage
Sujet de stage : Navigation résiliente sur terrains précaires avec un Ballbot
Résumé :
Cette proposition de stage décrit un projet de recherche visant à doter un ballbot de la capacité de surmonter les obstacles qu’il pourrait rencontrer lors de sa navigation. L’objectif de ce travail est de définir les actions de contrôle optimales pour franchir un obstacle fixe au sol, en tenant compte de la vitesse du robot, de l’angle d’approche du robot par rapport à l’objet, et des variations d’inertie du robot (par exemple via le mouvement des bras).
La méthodologie proposée implique une analyse préliminaire des paires action-senseur optimales en mesurant la distance par rapport à l’équilibre, l’accélération des moteurs au niveau de la base, tout en réalisant plusieurs simulations/expériences à différentes vitesses, angles d’approche et variations d’inertie. Une fonction de récompense ad hoc sera mise en œuvre afin d’évaluer les paires action-senseur optimales.
Les résultats attendus incluent l’identification d’une série de conditions permettant la réussite des manœuvres.
Objectifs du stage :
Les principaux objectifs de ce stage pourraient être de réaliser un ensemble de simulations/expériences afin d’évaluer : 1) les mesures pertinentes pour le problème, 2) les actions de contrôle à entreprendre, 3) la fonction de récompense permettant de vérifier qu’un obstacle a été franchi.
Profil recherché : Étudiants en master (M2)
Compétences requises : Théorie du contrôle, Robotique, Programmation (Python, C++, ROS 2, Matlab/Simulink)
Informations générales :
– Encadrant·e·s : Dr. Dario Sanalitro, Prof. Guillaume Morel
– Date de début du stage : Mars 2026
– Durée du stage : 6 mois
– Niveau d’études souhaité : Master 2 en Informatique, automatique, mécatronique, electronique, robotique ou domaines apparentés
– Laboratoire d’accueil : ISIR (Institut des Systèmes Intelligents et de Robotique), Campus Pierre et Marie Curie, 4 place Jussieu, 75005 Paris.
Personne à contacter :
– Dario SANALITRO ; sanalitro@isir.upmc.fr
– Envoyer votre candidature par mail, avec [sujet du stage] en objet, un CV et une lettre de motivation.
– Il n’y a pas de poste de stage ouvert à ce jour ; les opportunités sont étudiées au cas par cas selon les profils des candidats.
