Marina Gallimard

Travail sur LeRobot, la librairie open-source de Hugging Face pour le training de modèles de robots.

Hugging Face est la plateforme de référence pour le partage et le développement de modèles d'IA open-source (plus de 500 000 modèles disponibles, utilisée par Google, Meta, Microsoft...).

- Expériences sur le multitâche dans des architectures Transformer

- Optimisation du pipeline d'entraînement

- Développement d'environnements de simulation pour évaluer de nouveaux modèles

- Étude approfondie sur la loss de validation en imitation learning → publication d'un blogpost officiel Hugging Face

- Contribution au développement de SmolVLA, leur nouveau modèle de génération d'action robotique

- Co-organisation du workshop robotique pour la conférence Women in Data Science à Paris

Travail de recherche sur la reconstruction de modèles CAD (fichiers de conception 3D utilisés en ingénierie) à partir d'images, en générant du code Python spécialsié via un LLM multimodal.

- Prise en charge de toute la partie Reinforcement Learning (apprentissage par renforcement) du projet de bout en bout

- Conception de fonctions de récompense géométriques : comparaison des surfaces reconstruites via les normales aux plus proches voisins en 3D (point cloud)

- Implémentation de trois variantes d'entraînement asynchrone (Async RL) pour accélérer le training : multiprocessing Torch custom, vLLM generator worker (basé sur Async RLHF), patch de la librairie TRL pour la nouvelle modalité point cloud

- Expérimentations sur différentes fonctions de loss (variantes GRPO)

- Recherche sur les métriques géométriques pour l'encodage de point clouds et de B-Rep (représentation mathématique des surfaces 3D)

=> 2 publications état de l'art, dont un article accepté à CVPR 2026 (la principale conférence mondiale en vision par ordinateur)

J'ai accompagné des lycéens en mathématiques pendant un an.

Le travail a inclus un suivi personnalisé par message avec chaque élève, la préparation de fiches d'exercices supplémentaires, mais aussi des conseils d'orientation pour les domaines scientifiques.

Mon approche était : repartir des fondamentaux, rendre les raisonnements abstraits concrets, et donner des outils pour travailler en autonomie. Plusieurs élèves préparaient des examens importants.