Léo Viguié

Stage de fin d’études réalisé chez ArianeGroup dans le domaine GNC (Guidage, Navigation et Contrôle), dans le cadre du programme de rentrée hypersonique.

Développement d’algorithmes d’apprentissage par renforcement pour optimiser les lois de guidage et de pilotage lors de la phase de rentrée atmosphérique.

Travail incluant :

• Modélisation de la dynamique du lanceur pour la phase de rentrée,

• Implémentation de l’environnement d’apprentissage et entraînement des agents en Python (TensorFlow / PyTorch), puis portage et intégration des algorithmes dans l’environnement Matlab,

• Optimisation des performances (robustesse, précision, consommation d’énergie, respect des contraintes physiques).

Ce projet m’a permis de combiner des compétences en modélisation dynamique, commandes optimales et IA appliquée à l’aérospatial.

Projet réalisé au sein de la startup Differs durant ma formation à CentraleSupélec.

Responsable du traitement des données de consommation (choix de la granularité pertinente, échelle produit) et du développement de modèles de séries temporelles (ARIMA, Prophet, DeepAR) pour prédire l’évolution des ventes de magasins de taille moyenne.

Comparaison des modèles et évaluation des performances à l’aide de métriques telles que MAPE et RMSE afin d’optimiser la précision des prévisions.

Développement d’un contrôleur intelligent pour un véhicule autonome simulé, à l’aide de l’apprentissage par renforcement profond (Deep Reinforcement Learning). Entraînement d’un agent (DDPG) via PyTorch pour ajuster la vitesse et la direction afin de suivre une trajectoire prédéfinie de manière stable et réactive. L’environnement de simulation était intégré sous ROS avec des capteurs virtuels. Le projet portait exclusivement sur la commande (pilotage bas niveau), sans perception ni planification.