Die meisten Fahrzeuge in der Intralogistik werden manuell gefahren, da menschliche Fahrer den automatisierten Systemen aus heutiger Sicht in vielerlei Hinsicht überlegen sind. Um die menschlichen Fähigkeiten für automatisierte Systeme nutzbar zu machen, soll das menschliche Fahrverhalten in einer Logistikumgebung simuliert und zur Generierung synthetischer Datensätze genutzt werden. Darauf aufbauend soll ein FTF über Imitation Learning befähigt werden, Fahrbewegungen auf Basis des impliziten Wissens erfahrener Fahrer autonom auszuführen.
Deine Aufgaben
Ziel der Arbeit ist die Evaluation unterschiedlicher Ansätze zur Sensordatenfusion wie z.B. Data-Level Fusion oder Decision Level Fusion anhand der am FFZ angebrachten Sensorik. Unter Berücksichtigung der gegebenen Restriktionen und Freiheitsgrade, wie z.B. Sensorposition und Sensordatenqualität, soll anhand einer geeigneten Evaluationsmethode ein geeigneter Ansatz zur Datenfusion ausgewählt werden. Im Anschluss soll für den ausgewählten Ansatz ein Umsetzungskonzept ausgearbeitet werden.
Diese Arbeitspakete sind Bestandteil der Arbeit:
- Literaturrecherche zu bestehenden Ansätzen zur Sensordatenfusion
- Ermittlung eines Bewertungsmaßstabs zur Bewertung der bestehenden Ansätze hinsichtlich der vorherrschenden Randbedingungen
- Evaluation der Ansätze anhand des Bewertungsmaßstabes
- Erarbeitung eines Umsetzungskonzeptes für den ausgewählten Ansatz auf Basis der am FFZ zur Verfügung stehenden Sensorik
Dein Profil
Du studierst eines der folgenden Fächer:
- Maschinenbau
- Wirtschaftsingeieurwesen
- Produktion und Logistik
- Informatik
- oder ähnliches
Du hast Interesse an Künstlicher Intelligenz, Robotik und Sensorik? Und Dir macht es Spaß, sich eigenständig in neue Themen einzuarbeiten? Dann bewirb dich gerne!
Gute Deutsch- und Englischkenntnisse in Wort und Schrift werden vorausgesetzt!
Wir bieten
- eigenverantwortliches Arbeiten
- flexible Arbeitszeiten
- gut ausgestattete Arbeitsplätze
- Home-Office nach Absprache
- Versuchsdurchführung
- ggf. langfristige Zusammenarbeit
Bewerbung
Bitte sende deine aussagekräftige Bewerbung in einer einzigen PDF-Datei an jobs@iph-hannover.de.
Die Bewerbung muss Anschreiben, Lebenslauf sowie Prüfungsleistungen des Studiums / Zeugnisse enthalten.
Bei Rückfragen kannst du dich bei Phil Köhne melden: +49 (0)511 279 76-233.
