Vous rejoindrez l’équipe en tant qu’ingénieur fondateur au sein de notre stack d’autonomie, en reprenant un travail déjà bien avancé et en prenant l’entière responsabilité de son évolution. En collaboration avec notre CTO, vous serez responsable de la couche autonomie et guidage — les algorithmes et systèmes qui traduisent les capacités du véhicule, les données environnementales et les objectifs de mission en comportement de vol optimal et adaptatif.

Il ne s’agit pas de planification de trajectoire théorique ou académique — il s’agit d’une autonomie prête pour la production, qui doit fonctionner dans le monde réel, dans l’incertitude, avec de vraies conséquences sur de vrais aéronefs.

Ce dont vous serez responsable

• Étendre et fiabiliser notre moteur de planification et d’optimisation d’itinéraire — multi-objectifs, tenant compte des contraintes et intégrant les données météo
• Développer une logique de guidage en temps réel capable d’adapter les plans à mesure que les conditions évoluent (changements de vent, modifications de l’espace aérien, dégradation de l’état du véhicule)
• Définir comment l’intelligence météorologique se traduit en décisions de vol concrètes
• Concevoir des abstractions de planification faisant le lien entre les objectifs de mission de haut niveau et les commandes exécutables du véhicule
• Être responsable de l’interface entre la pile de planification et la simulation — en veillant à ce que les plans soient validés par rapport à la réalité physique avant leur exécution sur de vrais aéronefs

Vous pourriez être un bon profil si…

Base technique recherchée

Planification et optimisation :

• Expérience démontrée en planification de trajectoire et optimisation de trajectoire — méthodes basées sur des graphes, méthodes par échantillonnage (RRT/RRT*), ou méthodes d’optimisation directe
• Excellente compréhension de l’optimisation sous contraintes et multi-objectifs
• Expérience dans le développement de planificateurs opérant sous incertitude et contraintes dynamiques
• Bonne compréhension de l’intégration des données environnementales (météo, terrain, espace aérien) dans des problèmes de planification

Ingénierie logicielle — c’est le niveau attendu :

• Solides compétences en C++ et/ou Python — vous écrivez du code que d’autres auront envie de maintenir et de faire évoluer
• Capacité à concevoir des systèmes de planification comme des logiciels propres, testables et bien structurés — pas seulement comme des prototypes algorithmiques
• Expérience avec des systèmes sensibles à la performance où la latence de planification est un enjeu important

Connaissances du domaine :

• Bonne compréhension de la mécanique du vol, suffisante pour raisonner sur les contraintes du véhicule
• Une expérience avec les systèmes UAV, les véhicules autonomes ou les applications aérospatiales constitue un atout majeur
• Une familiarité avec les données météorologiques et l’impact des conditions atmosphériques sur la planification de vol est un plus

Infrastructure :

• À l’aise avec l’infrastructure cloud (GCP de préférence), Docker et Git

Atouts supplémentaires

• Expérience en planification de mouvement robotique (MoveIt, nav2 ou équivalent)
• Expérience avec l’apprentissage par renforcement ou des planificateurs appris en complément des méthodes classiques
• Diplôme en ingénierie, informatique, robotique ou domaine connexe — mais nous accorderons plus d’importance à ce que vous avez concrètement construit qu’à vos diplômes

Ce que nous offrons

• Participation au capital – Vous contribuerez à bâtir des systèmes fondamentaux. Vous devriez donc détenir une part significative de ce que nous créons.
• Flexibilité hybride – Travaillez là où vous êtes le plus productif. Nous sommes basés à Montréal, mais nous valorisons davantage le temps de concentration et une collaboration réfléchie que la simple présence physique.

______

You'll join as a founding engineer on our autonomy stack, inheriting significant prior work and taking full ownership of where it goes next. Working with our CTO, you'll own the autonomy and guidance layer — the algorithms and systems that translate vehicle capabilities, environmental data, and mission objectives into optimal, adaptive flight behavior. This isn't academic path planning — it's production autonomy that has to work in the real world, under uncertainty, with real consequences on real aircraft.

What You'll Own

• Extend and harden our route planning and optimization engine — multi-objective, constraint-aware, weather-integrated
• Build real-time guidance logic that adapts plans as conditions evolve (wind shifts, airspace changes, degraded vehicle state)
• Define how weather intelligence translates into actionable flight decisions
• Design planning abstractions that bridge high-level mission objectives and executable vehicle commands
• Own the interface between the planning stack and simulation — ensuring plans are validated against physical reality before they execute on real aircraft

You Might Be a Fit If...

Technical Foundation We're Looking For :

Planning & optimization:

• Demonstrated experience with path planning and trajectory optimization — graph-based, sampling-based (RRT/RRT*), or direct optimization methods
• Strong understanding of constrained and multi-objective optimization
• Experience building planners that operate under uncertainty and dynamic constraints
• Familiarity with how environmental data (weather, terrain, airspace) integrates into planning problems

Software engineering — this is the bar:

• Strong C++ and/or Python — you write code others want to maintain and extend
• Ability to design planning systems as clean, testable, well-interfaced software — not just algorithmic prototypes
• Experience with performance-sensitive systems where planning latency matters

Domain knowledge:

• Working knowledge of flight mechanics sufficient to reason about vehicle constraints
• Experience with UAV systems, autonomous vehicles, or aerospace applications is a strong plus
• Familiarity with meteorological data and how atmospheric conditions affect flight planning is a bonus

Infrastructure:

• Comfortable with cloud infrastructure (GCP preferred), Docker, Git

Nice to have:

• Robotics motion planning background (MoveIt, nav2, or similar)
• Experience with reinforcement learning or learned planners as complements to classical methods
• Degree in Engineering, Computer Science, Robotics, or related field — but we'll prioritize what you've built over credentials

What We Offer

• Equity ownership – You're building foundational systems. You should own a meaningful piece of what we're creating.
• Hybrid flexibility – Work where you're most productive. We're in Montreal but value focus time and thoughtful collaboration over face-time.