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 Voir

Ingénieur technique R&I

Perception | Scene understanding | Dynamic forecasting

ENS Rennes | CTU Prague | INRIA

Pragmatic dreamer

Portrait of Victor Besnier, Research Scientist at Valeo.
Chercheur Victor Besnier Voir
Portrait of Victor Besnier, Research Scientist at Valeo.

Chercheur

Deep Learning | Computer Vision | Image Synthesis

Sorbonne Université | ENPC

Chercheur Alexandre Boulch Voir

Chercheur

Computer vision | Deep Learning | Geometry processing

X | MVA | ENPC | ONERA

3D perceiver

 

Portrait d'Andrei Bursuc
Chercheur senior Andrei Bursuc Voir
Portrait d'Andrei Bursuc

Chercheur senior

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

Politehnica | Mines | Inria | Safran

Random walker

   

Portrait of Amaia Cardiel, PhD student at Valeo.ai
Doctorant Amaia Cardiel Voir
Portrait of Amaia Cardiel, PhD student at Valeo.ai

Doctorant

Deep learning | Vision and Language

SciencesPo | SorbonneU | UGA

Language learner

Portrait of Loick Chambon, at Valeo.ai
Doctorant Loick Chambon Voir
Portrait of Loick Chambon, at Valeo.ai

Doctorant

Deep learning |Computer Vision

MVA | Sorbonne

Climber

Chercheur Mickaël Chen Voir

Chercheur

Generative Models | Forecasting

Sorbonne Université

Entropy producer

 

Portrait de Matthieu Cord, Directeur de recherche à Valeo.ai
Directeur de recherche Matthieu Cord Voir
Portrait de Matthieu Cord, Directeur de recherche à Valeo.ai

Directeur de recherche

Deep Learning | Computer Vision | Vision and Language

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

Top chef

Portrait de Spyros Gidaris
Chercheur Spyros Gidaris Voir
Portrait de Spyros Gidaris

Chercheur

Deep Learning | Computer Vision

AUTH | Cortexica | ENPC

Life-loving epicurean

 

Portrait de David Hurych, chercheur
Chercheur David Hurych Voir
Portrait de David Hurych, chercheur

Chercheur

Machine Learning | Computer Vision | Generative Networks

CTU-Prague | NII-Tokyo

Curious

Portrait of Victor Letzelter,
Doctorant Victor Letzelter Voir
Portrait of Victor Letzelter,

Doctorant

Deep Learning | Uncertainty Quantification | Signal processing

Telecom Paris | MVA | EMSE

Landscape explorer

Directeur de recherche Renaud Marlet Voir

Directeur de recherche

Computer vision | Scene Understanding | 3D | Geometry Processing

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

Persistent eclectist

 

Portrait of Tetiana Martyniuk, PhD student at Valeo.ai
Doctorant Tetiana Martyniuk Voir
Portrait of Tetiana Martyniuk, PhD student at Valeo.ai

Doctorant

Deep learning | Computer Vision

Mines Paris | INRIA

Proud Ukrainian

Portrait of
Doctorant Björn Michele Voir
Portrait of

Doctorant

Computer vision | Deep Learning | Frugal Learning

DHBW | MVA | IRISA | UBretagne Sud

Domain adapter

Portrait of Serkan Odabas, Project manager at Valeo.ai
Chef de projet Serkan Odabas Voir
Portrait of Serkan Odabas, Project manager at Valeo.ai

Chef de projet

AI Norms, Regulations, Standardization | Management

Sorbonne Université | Inria

Gamer

Chercheur Gilles Puy Voir

Chercheur

Computer Vision | Deep Learning

Supélec | EPFL | INRIA | Technicolor

 

Portrait of Nermin Samet, Research Scientist at Valeo.ai
Chercheur Nermin Samet Voir
Portrait of Nermin Samet, Research Scientist at Valeo.ai

Chercheur

Deep learning | Computer Vision

METU | ENPC

Book wanderer

Portrait of Corentin Sautier, Ph.D. student at Valeo.ai
Doctorant Corentin Sautier Voir
Portrait of Corentin Sautier, Ph.D. student at Valeo.ai

Doctorant

Computer Vision | Deep Learning | Self-supervised Learning

Mines Paris | MVA | ENPC

Annotations hater

Portrait of Sophia Sirko-Galouchenko, PhD student at Valeo.ai
Doctorant Sophia Sirko-Galouchenko Voir
Portrait of Sophia Sirko-Galouchenko, PhD student at Valeo.ai

Doctorant

Deep learning | Computer Vision

DauphineU | MVA | SorbonneU

Borscht-powered Cyborg

Portrait of Eduardo Valle, Senior scientist at Valeo.ai
Chercheur senior Eduardo Valle Voir
Portrait of Eduardo Valle, Senior scientist at Valeo.ai

Chercheur senior

Computer Vision | Deep Learning | Generative AI

CergyU | University of Campinas

Neural optimizer

Portrait de Tuan Hung VU
Chercheur Tuan-Hung Vu Voir
Portrait de Tuan Hung VU

Chercheur

Deep Learning | Computer Vision | Robustness | Generative AI

Telecom | Inria | NEC

Protein lover

  

Portrait of Yihong Xu,
Chercheur Yihong Xu Voir
Portrait of Yihong Xu,

Chercheur

Deep Learning | Computer Vision | Motion and Tracking

Telecom Bretagne | Inria | UGA

Troublemaker

Chercheur Eloi Zablocki Voir

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.

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.

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.

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.

Le projet EXA4MIND vise à démocratiser l’accès aux centres de supercalcul de l’Union européenne et à assurer leur interconnexion, afin de permettre la mise au point de solutions innovantes pour résoudre des problèmes quotidiens complexes et de relever les défis liés à l’analyse de données, à l’apprentissage automatique et à l’intelligence artificielle à grande échelle. Le projet mettra en place une plateforme de données extrême qui associera des systèmes de stockage de données à grande échelle à de puissantes infrastructures de calcul, permettant ainsi l’intégration de diverses sources de données et prenant en charge des pipelines d’analyse de données avancés pour l’extraction de connaissances.

S’appuyant sur l’expertise européenne en matière d’IA et sur l’infrastructure de supercalculateurs, le projet ELLIOT, financé par l’UE, va développer une famille de modèles de fondation généralistes multimodaux fiables: des systèmes d’IA conçus pour acquérir des connaissances générales et des modèles à partir de quantités massives de données de différents types, (vidéos, images et textes, signaux de capteurs, séries chronologiques industrielles et flux satellitaires) et pour transférer efficacement les connaissances acquises à différentes tâches en aval.

Partenariats universitaires