Thales Training & Simulation (TTS) réalise depuis plus 25 ans des simulateurs pour la formation et l’entraînement des personnels civils et militaires, en France et à l’étranger. Une des composantes importantes de ces simulateurs, appelée CGF (Computer Generated Forces), permet de simuler le comportement doctrinal des personnages non joueurs (PNJ) de la simulation. Les technologies d’Intelligence Artificielle utilisées actuellement dans les CGF permettent de construire des scénarios tactiques très complexes mais nécessitent une intervention humaine importante et experte qui limitent souvent leur complète exploitation par les instructeurs et les entraînés.
L’objectif du stage est de construire la maquette d’un nouveau composant d’Intelligence Artificielle qui permettra aux instructeurs et aux entraînés de donner des ordres aux PNJ dans un format le plus proche possible du langage opérationnel. Cette fonctionnalité suppose la conception d’un nouveau moteur décisionnel capable de relier l’ordre reçu à une mission précédemment enregistrée dans une base de données dédiée et la capacité d’analyser la situation tactique du PNJ pour adapter la mission à cette situation.
Pour réaliser cette maquette, le candidat pourra s’appuyer sur les outils CGF actuellement utilisés par TTS, mais aussi sur le Moteur d’Animation Comportementale qui a été co-développé par Thales dans le cadre du projet collaboratif Terra Dynamica  en collaboration notamment avec l’équipe DESIR/SMA du LIP6.
Langage de programmation : C++, éventuellement  C# et LUA.
Compétences techniques souhaitées : IA décisionnelle ; Algorithme de sélection de l’action ; Planification ; Outils de Modélisation & Simulation.
Autres connaissances utiles : Fonctionnement opérationnelle de l’Armée de Terre (opérations, missions, doctrine, armes, etc.).
Lieu
              Thales Training & Simulation, Cergy
          Thématiques
          
      Encadrant
              Jean-Yves Donnart, Thales
          Co-encadrant
              Vincent Corruble, LIP6
          Référent universitaire
              Safia Kedad-Sidhoum
          Tags
              
          Attribué
              Non
          Année
              2016
          