Surveillance de l'environnement spatial par intelligence artificielle embarqué

Le sujet est détaillé à l'adresse suivante:
https://www.imt-atlantique.fr/sites/default/files/recherche/Offres%20de%20th%C3%A8ses/2025/Space%20environment%20monitoring%20using%20embedded%20artificial%20intelligence.pdf

Le projet SENSIAE (Surveillance de l'environnement spatial par intelligence artificielle embarquée) aborde la question croissante des débris spatiaux, un défi stratégique pour le New Space et la gestion durable
des orbites. Alors que l'ESA a fait de "Zero Debris" un pilier clé de sa stratégie, le suivi des objets en orbite reste un défi complexe, nécessitant des méthodes efficaces de détection, de classification et de suivi. Il est estimé qu'il existe environ un million de débris dont la taille varie de 1 à 10 cm. Leur vitesse, qui peut dépasser 10 km/s, représente une menace significative pour les satellites opérationnels.
En intégrant la détection et le suivi des débris directement à bord des satellites via une intelligence artificielle embarquée, le projet répond à ces défis et anticipe les futures réglementations internationales sur la gestion durable de l'espace. De nombreux défis scientifiques et techniques subsistent, mais ces solutions seront cruciales lorsque la législation mondiale imposera des règles strictes de nettoyage orbital, un domaine dans lequel l'Europe joue un rôle de premier plan.
Les solutions actuelles basées sur des télescopes au sol souffrent de limitations telles que les perturbations atmosphériques, une couverture orbitale partielle et la difficulté de détecter les plus petits débris. Dirigé par IRISPACE, SENSIAE propose une alternative innovante en intégrant des capteurs et une IA frugale directement à bord des satellites. Ce système doit être optimisé dans son ensemble, depuis la conception des capteurs jusqu'au développement d'algorithmes robustes et économes en énergie, qui sont des domaines de recherche centraux du Lab-STICC.

L'objectif de cette thèse de doctorat est d'assurer une analyse orbitale fiable en temps réel, malgré la diversité des débris (taille, vitesse, distance, matériau), permettant ainsi la cartographie des débris et, en fin de compte, de permettre aux satellites d'effectuer de manière autonome des manœuvres d'évitement de collision.
Pour ce faire, le doctorant étudiera la conception d'une intelligence artificielle embarquée traitant les signaux fournis par différents capteurs (optique et radar, par exemple) pour détecter et suivre les débris à bord d'un satellite. Cette étude bénéficiera des travaux préliminaires réalisés à IMT Atlantique sur la conception de radars pour un tel cas d'usage et d'un environnement de simulation (basé sur Unreal Engine) pour entraîner des modèles d'IA et évaluer des solutions basées sur la vision par ordinateur.
De plus, des entreprises affiliées à IRISPACE, telles qu'Unseenlabs et Syrlinks, pourraient tirer parti de ces innovations dans de futurs produits. Ces acteurs de la surveillance spatiale et des communications sécurisées pourraient bénéficier des avancées du projet pour renforcer leur positionnement sur le marché des technologies spatiales avancées

IMT Atlantique, grande école d'ingénieurs généralistes, a pour ambition de conjuguer le numérique, l’énergie et
l’environnement pour transformer la société et l’industrie par la formation, la recherche et l’innovation.
L’établissement qui est présent sur trois campus (Brest, Nantes et Rennes) appartient à l'Institut Mines-Télécom et dépend du ministère l’Économie, des finances et de la souveraineté industrielle et numérique.
Reconnue internationalement pour la qualité de sa recherche, les scientifiques d’IMT Atlantique accompagnent environ 300 doctorants. La thèse proposée s’inscrit dans les activités de recherche des équipes 2AI et Cosyde du Lab-STICC et du département Mathematical and Electrical Engineering (MEE) d’IMT Atlantique. Les activités scientifiques de ce département relèvent d’un spectre large autour des télécommunications, du traitement du signal et de l’information, de l’électronique et de l’intelligence artificielle. Cette thèse sera menée en co-tutelle avec l’Université de Trente (Italie) dans le cadre du programme doctoral italien SST, spécialisé dans les sciences et technologiques spatiales.
Les encadrants seront :
- Matthieu Arzel, professeur au département MEE d’IMT Atlantique
(https://www.imt-atlantique.fr/fr/personne/matthieu-arzel),
- Thomas Boutéraon, docteur en astrophysique, responsable du Centre Spatial Universitaire (CSU) d’Irispace,
- Lorenzo Bruzzone, professeur au département de l’Université de Trente
(https://webapps.unitn.it/du/en/Persona/PER0004714/Curriculum), responsable du Remote Sensing Laboratory
(https://rslab.disi.unitn.it/ ).

Pour un projet comme SENSIAE, qui implique la détection et le suivi de débris spatiaux en utilisant des technologies avancées telles que l'intelligence artificielle embarquée et divers capteurs, un doctorant devrait idéalement posséder ou développer les compétences suivantes, qui ne doivent pas toutes être maîtrisées au démarrage de la thèse (les compléments seront apportés dans le cadre de la formation doctorale) :
1. **Connaissances en ingénierie spatiale** : Comprendre les dynamiques orbitales, les défis liés à l'environnement spatial et les technologies des satellites.
2. **Traitement du signal** : Expérience dans le traitement des signaux provenant de capteurs optiques et radar, ce qui est crucial pour la détection et le suivi des objets.
3. **Intelligence Artificielle et Apprentissage Machine** : Compétences en développement et entraînement de modèles d'IA, en particulier pour des applications embarquées et en temps réel.
4. **Vision par ordinateur** : Connaissance des techniques de vision par ordinateur et de frameworks (comme Pytorch) pour l'analyse d'images et la détection d'objets.
5. **Développement d'algorithmes** : Capacité à concevoir des algorithmes robustes et économes en énergie pour le traitement embarqué.
6. **Simulation et modélisation** : Expérience avec des environnements de simulation, comme Unreal Engine, pour tester et valider des modèles et des algorithmes.
7. **Programmation** : Maîtrise de langages de programmation pertinents tels que Python, C++, et éventuellement des langages spécifiques aux applications embarquées.
8. **Travail collaboratif et interdisciplinaire** : Aptitude à travailler dans un environnement de recherche collaboratif, souvent avec des équipes interdisciplinaires incluant des ingénieurs, des scientifiques et des partenaires industriels.
9. **Innovation et résolution de problèmes** : Capacité à innover et à résoudre des problèmes complexes, souvent avec des ressources limitées.
10. **Connaissances en réglementation spatiale** : Comprendre les réglementations et les enjeux liés à la gestion durable de l'espace.
Ces compétences permettront au doctorant de contribuer efficacement au projet et de relever les défis scientifiques et techniques associés à la gestion des débris spatiaux