Job Description:

Airbus Commercial Aircraft recherche un(e) étudiant(e) en thèse sur le sujet: “Prise de décision explicable et basée sur l’IA pour l’aide au déroutement de vol (M/F)” pour rejoindre notre département Central Research and Technology, Airbus SAS basé à Toulouse, France .

Le département travaille en collaboration avec ANITI et le LAAS/CNRS, France, dans lequel vous serez intégré en tant qu’étudiant extérieur en thèse. La thèse sera réalisée à la fois à 50% dans les locaux du LAAS/CNRS et à 50% dans ceux d'Airbus à Toulouse Saint-Martin. La période d'alternance précise entre les deux sites sera définie ultérieurement en accord avec les différentes parties prenantes.

Etes-vous prêt à découvrir les futures générations d’aéronefs, avec des fonctions avancées d’assistance au pilotage basées IA ?

Votre environnement de travail :

Capitale mondiale de l'aéronautique et capitale européenne de la recherche dans le spatial, Toulouse est une ville dynamique du sud-ouest de la France desservie par un aéroport international. Idéalement située entre la mer Méditerranée et l'océan Atlantique et à proximité des Pyrénées, elle offre de nombreuses possibilités d'activités de plein air !

Parce que nous prenons soin de vous :

• Avantages financiers : Salaire attractif, accords d’intéressement et de participation, plan d'épargne salariale abondé par Airbus, plan d’actionnariat salarié sur la base du volontariat, avec attribution d'actions gratuites en fonction du nombre d’actions souscrites.

• Équilibre vie privée / professionnelle : Des jours de congés supplémentaires pour occasions spéciales et des options de transfert de congés, un comité d'entreprise proposant de nombreuses activités socio-culturelles et d’autres services.

• Bien-être / santé : couverture complémentaire des frais de santé et de prévoyance (incapacité, invalidité, décès). Selon le site : centre de services de santé, services de conciergerie, salle de sport, application de covoiturage.

• Développement individuel: des opportunités d’évolution et des possibilités de formations nombreuses (catalogue de plus de 10.000 e-formations disponibles en libre accès pour développer votre employabilité, certifications, programmes de développement accéléré, parcours expert, mobilité nationale et internationale).

Chez Airbus, nous vous aidons à travailler, à vous connecter et à collaborer plus facilement et de manière plus flexible. Partout où cela est possible, nous favorisons la flexibilité dans nos modes de travail afin de stimuler l'esprit d'innovation.

Vos challenges :

Contexte de la thèse:

Dans le cadre du développement des cockpits “intelligents” des futures générations d’avions commerciaux, les assistants d'aide à la décision constituent une brique essentielle visant à renforcer la sécurité et à améliorer les opérations liées au pilotage et à la gestion de mission de l’avion. Cette brique d'assistance à la décision exige des exigences strictes en matière d'explicabilité des décisions pour les opérateurs humains, notamment les pilotes d’avion. La prise de décision explicable est un élément clé pour le prochain programme et est importante pour les futures conceptions de cockpit, en particulier lorsque l'intelligence artificielle sera introduite dans le cockpit pour améliorer les opérations aériennes. Par ailleurs, la prise de décision et les explications sous-jacentes devront être rapides en raison de la pression temporelle de la gestion du déroutement de vol.

Les techniques actuelles de prise de décision par l'IA ne sont pas suffisamment performantes lorsqu'il s'agit de générer rapidement ou d'expliquer les décisions proposées dans des applications réelles comme l’aide au déroutement de vol. Quelques travaux académiques, relativement peu nombreux, portent sur l'explication des compromis d'optimalité multi-objectifs (par exemple, heure d'atterrissage vs réserve de carburant vs risque météorologique) ou l'impact des ressources sur la faisabilité du plan (par exemple, quelle quantité de carburant nous devons concéder pour arriver à l'heure pour secourir le passager malade), qui sont au cœur de l'autonomie.

Des travaux supplémentaires sont nécessaires pour adapter ces approches à la complexité du problème sous-jacent qui implique le modèle de performance de l'aéronef, le graphe des couloirs aériens et le réseau de la compagnie aérienne. L'hybridation de l'apprentissage profond et de l’IA générative avec des algorithmes de planification explicable est particulièrement considérée comme un domaine de recherche très prometteur pour l'extensibilité à des problèmes plus vastes et plus complexes.

L’objectif de la thèse sera donc d'élaborer des solutions théoriques et techniques pour une prise de décision explicable et en temps réel dans un contexte d'interaction homme-machine. L'une des approches récentes prometteuses pour la prise de décision interactive explicable, proposée par Eifler et al., et qui sera étudiée par le doctorant, examine comment l'utilisateur final peut interagir avec le planificateur en élucidant les compromis de préférences utilisateur parmi les multiples objectifs d’optimisation considérés. Par exemple, l'algorithme peut d'abord signaler qu'aucun plan de déroutement ne satisfait simultanément les contraintes de réserve de carburant, de sécurité aérienne et de temps de vol.

Ensuite, l'algorithme peut proposer différentes manières d'assouplir l'une de ces contraintes pour rendre le plan de vol réalisable tout en interagissant avec l’utilisateur final de sorte à le guider vers les meilleures relaxations sans toutefois les énumérer toutes. En effet, dans un contexte de déroutement où la charge mentale du pilote est particulièrement élevée, il ne lui serait pas possible d'analyser des centaines de solutions potentielles en temps réel et contraint. Le calcul de chaque solution potentielle étant particulièrement coûteux dans ce contexte, nous envisageons d’hybrider des techniques heuristiques de recherche de plans avec de l’apprentissage profond et des IA génératives.

Le travail de thèse consistera donc à:

• Réaliser un état de l'art sur les techniques d'explicabilité en prise de décision automatique et sur l’hybridation de techniques de recherche heuristique et d’apprentissage ;

• Concevoir une fonction d’assistance à la décision multicritère et explicable basée sur des algorithmes d’IA dans le contexte des opérations en cockpit ;

• Développer un démonstrateur d'aide à la décision explicable pour le déroutement de vol, basé sur les briques d'explicabilité et IA susmentionnées.

Votre carte d’embarquement :

• Master de Recherche en Intelligence Artificielle, Mathématiques Appliquées, ou Optimisation Combinatoire

• Connaissance à la fois de l'apprentissage profond et des techniques d'optimisation discrètes/continus

• Aisance en programmation Python, éventuellement C++

• Intérêt pour la recherche scientifique et les applications industrielles

Vous ne matchez pas à 100%? Pas d'inquiétude! Airbus vous accompagnera dans votre plan de développement.

Donnez une nouvelle dimension à votre carrière en candidatant en ligne maintenant!

ENGLISH VERSION

Airbus Commercial Aircraft is looking for a PhD student on the subject: “Explainable and AI-based decision-making for flight diversion assistance (M/F)” to join our Central Research and Technology department based in Toulouse, France.

The department works in collaboration with ANITI and LAAS/CNRS, France, where you will be integrated as an external PhD student.
The thesis will be carried out 50% on the premises of LAAS/CNRS and 50% on those of Airbus in Toulouse Saint-Martin. The precise alternation period between the two sites will be defined later in agreement with the various stakeholders.

Are you ready to discover the future generations of aircraft, with advanced AI-based piloting assistance functions ?

Your working environment :

Global capital of aeronautics and European capital for space research, Toulouse is a dynamic city in the southwest of France served by an international airport. Ideally located between the Mediterranean sea and the Atlantic ocean and close to the Pyrenees mountains, it offers plenty of options for outdoor activities!

How we care for you :

• Financial rewards: Attractive salary, agreements on success and profit sharing schemes, employee savings plan abounded by Airbus and employee stock purchase plan on a voluntary basis.

• Work / Life Balance: Extra days-off for special occasions, holiday transfer option, a Staff council offering many social, cultural and sport activities and other services.

• Wellbeing / Health: Complementary health insurance coverage (disability, invalidity, death). Depending on the site: health services center, concierge services, gym, carpooling application.

• Individual development: Great upskilling opportunities and development prospects with unlimited access to +10.000 e-learning courses to develop your employability, certifications, expert career path, accelerated development programmes, national and international mobility.

At Airbus, we support you to work, connect and collaborate more easily and flexibly. Wherever possible, we foster flexible working arrangements to stimulate innovative thinking.

Your challenges :

PhD thesis scope:

As part of the development of “intelligent” cockpits for future generations of commercial aircraft, decision-making assistants constitute an essential building block aimed at strengthening safety and improving operations related to piloting and mission management of the aircraft. This decision assistance component requires strict requirements regarding the explicability of decisions for human operators, particularly aircraft pilots. Explainable decision-making is a key element for the next program and is important for future cockpit designs, especially when artificial intelligence will be introduced into the cockpit to improve air operations. Furthermore, decision-making and the underlying explanations will have to be fast due to the time pressure of flight diversion management.

Current AI decision-making techniques are not sufficiently effective when it comes to quickly generating or explaining proposed decisions in real applications such as flight diversion assistance. Relatively few academic works focus on explaining multi-objective optimality trade-offs (e.g., landing time vs. fuel reserve vs. weather risk) or the impact of resources on plan feasibility (e.g., how much fuel we must concede to arrive on time to rescue the sick passenger), which are at the heart of autonomy. Additional work is needed to adapt these approaches to the complexity of the underlying problem, which involves the aircraft performance model, the air corridor graph, and the airline network. The hybridization of deep learning and generative AI with explainable planning algorithms is particularly considered a very promising research area for scalability to larger and more complex problems.

The objective of the thesis will therefore be to develop theoretical and technical solutions for explainable and real-time decision-making in a human-machine interaction context. One of the promising recent approaches for explainable interactive decision-making, proposed by Eifler et al., and which will be studied by the doctoral student, examines how the end user can interact with the planner by elucidating user preference trade-offs among the multiple optimization objectives considered. For example, the algorithm can first report that no diversion plan simultaneously satisfies the constraints of fuel reserve, air safety, and flight time. Then, the algorithm can propose different ways to relax one of these constraints to make the flight plan achievable while interacting with the end user to guide them towards the best relaxations without, however, listing them all. Indeed, in a diversion context where the pilot's mental workload is particularly high, it would not be possible for them to analyze hundreds of potential solutions in real-time and under constraints. The calculation of each potential solution being particularly costly in this context, we plan to hybridize heuristic plan search techniques with deep learning and generative AIs.

The thesis work will therefore consist of:

• Carry out a state of the art on explicability techniques in automated decision-making and on the hybridization of heuristic search and learning techniques;

• Design a multi-criteria and explainable decision assistance function based on AI algorithms in the context of cockpit operations;

• Develop an explainable decision support demonstrator for flight diversion, based on the aforementioned explicability and AI components.
  

Your boarding pass :

• Master of Research in Artificial Intelligence, Applied Mathematics, or Combinatorial Optimization

• Knowledge of both deep learning and discrete/continuous optimization techniques

• Comfortable with Python programming, possibly C++

• Interest in scientific research and industrial applications

Not a 100% match? No worries! Airbus supports your personal growth with customized development solutions.

Take your career to a new level and apply online now!

This job requires an awareness of any potential compliance risks and a commitment to act with integrity, as the foundation for the Company’s success, reputation and sustainable growth.

Company:

Employment Type:

-

Experience Level:

Job Family:

By submitting your CV or application you are consenting to Airbus using and storing information about you for monitoring purposes relating to your application or future employment. This information will only be used by Airbus.
Airbus is committed to achieving workforce diversity and creating an inclusive working environment. We welcome all applications irrespective of social and cultural background, age, gender, disability, sexual orientation or religious belief.

Airbus is, and always has been, committed to equal opportunities for all. As such, we will never ask for any type of monetary exchange in the frame of a recruitment process. Any impersonation of Airbus to do so should be reported to emsom@airbus.com .

At Airbus, we support you to work, connect and collaborate more easily and flexibly. Wherever possible, we foster flexible working arrangements to stimulate innovative thinking.