Ingénieur en robotique et IA, je développe la Physical AI — des systèmes intelligents qui perçoivent, raisonnent et interagissent avec le monde physique. Cofondateur et directeur technique de RoboRecs.
Un logiciel qui ne doit avoir raison que sur un benchmark relève d’une autre discipline qu’un logiciel qui doit avoir raison sur du matériel, dans une pièce qu’il n’a jamais vue, du premier coup. La Physical AI, c’est la seconde, et cette contrainte façonne tout ce qui suit.
→ La robustesse prime sur les scores de benchmark. Un modèle qui gagne deux pour cent sur un jeu de test et devient imprévisible sur du matériel réel n’est pas une amélioration. Développer de l’IA pour un dispositif médical m’a appris que les défaillances intéressantes sont celles qui n’apparaissent jamais dans le jeu de validation.
→ L’étalonnage n’est pas une note de bas de page. L’essentiel de l’écart entre un résultat de recherche et un produit qui fonctionne relève de la mesure : savoir ce que le capteur rapporte réellement, comment il dérive, et ce que le modèle suppose implicitement à son sujet. Ce travail est ingrat, et c’est de là que vient la fiabilité.
→ L’incarnation change le problème. Un agent capable d’agir doit raisonner sur des conséquences qu’il ne peut pas défaire. Perception, raisonnement et commande cessent d’être des modules séparables dès lors qu’un corps entre dans la boucle, et les concevoir comme un seul système est tout l’enjeu.
→ La recherche devient produit au contact du matériel. Passer d’un article à un système déployé n’est pas un détail d’implémentation. C’est l’essentiel du travail, et c’est là que se prennent les vraies décisions de conception.
→ Concevoir pour l’environnement dans lequel on déploiera vraiment. Complexe, non structuré, mal éclairé, partiellement observé. Concevoir pour le cas propre et durcir ensuite est un moyen sûr de construire quelque chose qui ne fonctionne jamais tout à fait.
Conçu pour s’adapter, pensé pour résoudre.
Me contacterDeux produits en production, dans deux secteurs très différents — dans les deux cas, il s’agit de transformer un problème technique difficile en quelque chose que l’on peut réellement utiliser.
Données de démonstration humaine égocentriques et multimodales pour la Physical AI
Les modèles de fondation des robots humanoïdes exigent des millions d’heures de données de manipulation. Il en existe environ 5 000 heures en accès ouvert. RoboRecs comble cet écart par une capture montée sur la tête et sur les poignets, qui enregistre les tâches du point de vue de l’opérateur — celui-là même qu’aura le robot — en RGB, profondeur, IMU, audio, pose et force. Des données sous juridiction européenne, collectées dans le respect du RGPD et de l’AI Act.
Des métrés quantitatifs pour le secteur bulgare du bâtiment, en dix minutes
En Bulgarie, l’estimation des coûts de construction repose encore sur des tableurs et sur l’à-peu-près. Buildly génère en ligne un métré quantitatif complet à partir d’une bibliothèque de plus de 4 000 postes de travaux chiffrés aux prix réels du marché, puis le prolonge jusqu’aux offres et aux factures. Un secteur différent de la robotique, et le même problème d’ingénierie : remplacer le processus manuel et lent d’un expert par quelque chose de fiable et de rapide.
Je suis ingénieur en robotique et IA, titulaire d’un MSc de l’EPFL, spécialisé en Physical AI. Je conçois des systèmes intelligents qui perçoivent, raisonnent et interagissent avec le monde physique. Mon expérience couvre la robotique, la vision par ordinateur, l’apprentissage automatique et le déploiement de systèmes en conditions réelles, de l’imagerie médicale aux systèmes autonomes.
Chez SamanTree Medical, j’ai développé des algorithmes d’évaluation de la qualité d’image pour des scanners histologiques, à l’intersection de la vision par ordinateur, de l’apprentissage automatique et de la calibration de dispositifs médicaux. Développer de l’IA pour un dispositif médical m’a appris l’importance de la robustesse, de la fiabilité et des systèmes qui restent constants hors du laboratoire.
Je suis actuellement cofondateur et directeur technique de RoboRecs, où nous produisons les données de démonstration humaine égocentriques qui font défaut aux modèles de fondation pour robots humanoïdes. J’aime les problèmes situés à l’intersection de l’IA, de la robotique et du déploiement en conditions réelles, avec pour objectif de transformer la recherche en systèmes qui fonctionnent de manière fiable dans des environnements complexes.
Mon expertise couvre la Physical AI, la perception robotique, la vision par ordinateur, le traitement d’images, l’apprentissage profond, la robotique, Python, C++ et la conception de systèmes intelligents.
Né et élevé à Sofia, en Bulgarie, avec une expérience académique et pratique en Suisse, au Mexique, à Washington D.C., à La Haye et en Chine. J’ai enseigné les mathématiques, l’analyse numérique et la robotique à l’EPFL, et j’ai animé des clubs de robotique pour enfants durant quatre années consécutives.
J’ai fondé l’Association des étudiants bulgares à Lausanne (ABSL) — la première organisation de ce type pour les Bulgares dans un environnement académique suisse — et j’en ai été le président pendant cinq mandats consécutifs, construisant une communauté de plus de 100 membres venus de l’EPFL, de l’UNIL et de HEC Lausanne.
Je suis toujours ouvert aux échanges et aux collaborations avec des ingénieurs, fondateurs et chercheurs qui construisent la prochaine génération de Physical AI et de robotique intelligente.
Formé dans des institutions au recrutement international et aux exigences strictes, où le travail rendu devait réellement fonctionner.
Des olympiades internationales de robotique aux forums diplomatiques — concourir et construire au niveau mondial.
Une compétence d’ingénieur appliquée à des systèmes qui doivent fonctionner sur du matériel réel.
Imagerie médicale, systèmes autonomes, et le passage d’un résultat de recherche à quelque chose qui fonctionne de manière fiable.
Des solutions d’ingénierie à des problèmes réels — de l’imagerie médicale à la robotique autonome.
On apprend autant sur un ingénieur en regardant ce qu’il fait quand personne ne le note.
Toujours ouvert aux échanges avec les ingénieurs, fondateurs et chercheurs qui construisent la prochaine génération de Physical AI et de robotique intelligente.