Robotique et apprentissage multimodal pour l’agriculture durable
La Chaire d’innovation en systèmes robotiques ouverts pour la phytoprotection explore des approches ouvertes et collaboratives pour développer des technologies robotiques adaptées à la réalité agricole québécoise. Le postdoctorant ou la postdoctorante interviendra dans les trois axes du projet :
- Conception et gestion de systèmes robotiques ouverts.
- Développement d’intelligence artificielle multimodale accessible.
- Valorisation de la chaîne de valeur et coconception avec les utilisateurs.
Le postdoctorant ou la postdoctorante aura pour mission de concevoir, expérimenter et valider :
- Des modèles d’IA multimodale (imagerie aérienne et terrestre, capteurs environnementaux) pour la détection et la cartographie de phytopathogènes et de mauvaises herbes dans différents contextes agricoles.
- Des outils numériques interactifs d’aide à la conception de comportements robotiques permettant à des agronomes et des techniciens agricoles de définir des stratégies d’exploration, d’échantillonnage ou de désherbage sans expertise en programmation.
- Des méthodes d’évaluation de la robustesse, de la généralisabilité et de l’interprétabilité des modèles IA dans des environnements naturels complexes.
Le travail s’appuiera sur une approche expérimentale et participative combinant :
- Le développement de pipelines de perception multimodale intégrant vision RGB/multispectrale, données 3D et mesures environnementales.
- L’entraînement et la validation de modèles de détection (CNN, transformeurs, architectures légères embarquées).
- Le prototypage et l’évaluation d’interfaces et d’outils d’aide à la conception de comportements robotiques basés sur des agents conversationnels et la visualisation des données.
- Des campagnes terrain avec les partenaires de la Chaire (IRDA, AAC) pour tester les modèles et les outils en conditions réelles, sur plusieurs cycles de culture.
Connaissances requises
- Doctorat en robotique, génie électrique, informatique, intelligence artificielle, vision par ordinateur ou domaine connexe.
- Maîtrise des outils de développement IA (PyTorch, TensorFlow, scikit-learn) et de la programmation ROS/ROS2.
- Connaissance en perception robotique, modélisation 3D, apprentissage supervisé et auto-supervisé.
- Intérêt marqué pour les approches interdisciplinaires et la coconception avec des usagers non experts.
- Excellentes compétences en communication scientifique et en expérimentation terrain.
- Maitrise du français essentielle.