Samet Kocak

Développement d'un véhicule autonome (échelle 1:10) pour un projet R&D de contrôle multi-véhicules. Logiciel embarqué en C sur STM32 (capteurs ultrasoniques, détection d'obstacles, PWM). Mise en place de la communication embarqué/haut niveau. Développement d'un système de localisation SLAM sur Raspberry Pi 4 (LiDAR, IMU, ROS2) avec fusion de données. Validation expérimentale de la perception et de la localisation. Résultat : Perception et localisation autonomes validées avec succès. Compétences clés : C, STM32, ROS2, Raspberry Pi 4, SLAM, LiDAR, IMU, capteurs ultrasoniques, systèmes embarqués, fusion de données, robotique mobile, WSL

Développement d'un système d'atterrissage autonome pour drones (Copter, VTOL) : analyse des firmwares (ArduPlane, ArduCopter), simulation Gazebo (SITL), communication MAVLink (UDP/TCP). Scripts Python pour la fusion de données GNSS, UWB, LIDAR, logique de contrôle en Lua, automatisation des tests. Résultat : solution validée en simulation et en cours d'intégration sur plateformes réelles Compétences clés : ArduPilot, MAVLink, Gazebo, SITL, Scripts, Lua, Python, C, C++, Bash, Fusion de données, Capteurs, filtres de Kalman, WSL

Développement et optimisation de Deep Learning embarqué sur STM32 sous Zephyr RTOS avec TensorFlow Lite, Keras, Scikit-Learn. Déploiement en C/C++, optimisation par quantification et pruning, analyse automatisée des performances (Python, Bash). Résultat : modèles de prediction atteignant 95 % de précision, validés Compétences clés : STM32, Zephyr RTOS, TensorFlow Lite, Keras, Scikit-Learn, Deep Learning embarqué, Python, C, C++

Développement d'une expérimentation en Python intégrant un système de suivi oculaire (EyeLink 1000 Plus) pour l'annotation d'erreurs de traduction automatique sur ACCOLÉ. Traitement et visualisation des données oculaires avec NumPy, Pandas et PsychoPy. Résultat : expérimentation validée avec 15 linguistes Compétences clés : Python, PsychoPy, Pandas, EyeLink 1000 Plus