Projet académique visant à concevoir et entraîner des modèles de deep learning pour la conduite autonome de véhicules. Utilise un simulateur 3D pour valider les performances des algorithmes avant leur déploiement potentiel sur des véhicules réels. Permet aux étudiants de tester et d'optimiser des solutions d'intelligence artificielle dans un cadre sécurisé et contrôlé.

Le projet Multiception est un package principal destiné à faire partie du package multiception. Il est utilisé pour la perception et l'analyse de l'environnement pour les véhicules autonomes, la génération de données simulées pour les véhicules autonomes et la configuration du lancement pour les véhicules autonomes.

Projet académique et de recherche visant à simuler le comportement d'un véhicule autonome nommé Zoe. Il permet de tester des algorithmes de navigation, de perception et de contrôle dans un environnement virtuel. Utilisé pour la formation et la recherche en robotique, il facilite l'expérimentation sans nécessiter de matériel physique. Le projet s'inscrit dans l'écosystème ROS 2, une plateforme standard pour la robotique.