Ort:  Stuttgart
Datum:  02.01.2026

Masterthesis - Model Predictive Path Following with System Identification and Wheel Slip Estimation

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) ist eine der weltweit führenden Organisationen für anwendungsorientierte Forschung. 75 Institute entwickeln wegweisende Technologien für unsere Wirtschaft und Gesellschaft – genauer: 32 000 Menschen aus Technik, Wissenschaft, Verwaltung und IT. Sie wissen: Wer zu Fraunhofer kommt, will und kann etwas verändern. Für sich, für uns und die Märkte von heute und morgen.

Ausschreibung für die Fachrichtung wie z. B.: Robotik, Kybernetik, Informatik, Maschinenbau, Mechatronik oder vergleichbare.

 

In dem Forschungsteam „Navigation mobile Roboter“ entwickeln wir autonome, mobile Roboter für Außenanwendungen, etwa in Land- und Forstwirtschaft, im Kommunalsektor sowie in der Logistik. Der Schwerpunkt liegt auf einer präzisen und robusten Navigation im Außenbereich.

Klassische Path-Following-Controller (z. B. Regulated Pure Pursuit, DWB, TEB) berechnen für einen vorgegebenen Pfad Soll-Geschwindigkeiten, die durch einen Base-Controller in Radbefehle umgesetzt werden. Diese Ansätze leiden häufig unter begrenzter Pfadverfolgungsgenauigkeit, hohem Parametrierungsaufwand sowie unangepasstem Verhalten auf Untergründen mit Schlupf. Ziel der Masterarbeit ist die Entwicklung eines modellprädiktiven Pfadfolgereglers (MPC), der die identifizierten Modelle unter Berücksichtigung untergrundabhängiger Schlupfeffekte nutzt.

 

Was Sie bei uns tun

  • Analyse des bestehenden Navigations-Stacks (Path-Following-Controller, Base Controller) und der Systemidentifikation
  • Erweiterung der vorhandenen Systemidentifikation um Schlupfeffekte: Ableitung eines parametrierten Fahrzeugmodells aus kurzen manuellen Fahrten unter Berücksichtigung unterschiedlicher Untergründe (z. B. Sand, Asphalt, Gras, Kies)
  • Entwicklung und Tuning eines MPC auf Basis der identifizierten Modelle
  • Integration in eine bestehende ROS2-Umgebung
  • Validierung in Simulation in einer bestehenden ROS2-Umgebung und auf unseren eigens entwickelten Robotern
  • Vergleich mit bestehenden Controllern bzgl. Pfadfehler und Stabilität
  • Dokumentation, Auswertung und wissenschaftliche Aufbereitung der Ergebnisse

 

Was Sie mitbringen

  • Gültige Immatrikulation an einer deutschen Universität/Hochschule in dem Fachbereich Robotik, Kybernetik, Informatik, Maschinenbau, Mechatronik oder einem ähnlichen Bereich
  • Kenntnisse in prädiktiver oder modellbasierter Regelung von Vorteil (z. B. MPC)
  • Erfahrung mit ROS ist von Vorteil
  • Analytisches Denkvermögen
  • Begeisterung für mobile Robotik
  • Gute Englisch- oder Deutschkenntnisse

 

Was Sie erwarten können

  • Spitzentechnologie im Bereich der mobilen Outdoor-Robotik
  • Praktische Arbeit mit unseren Robotern in Stuttgart
  • Übernahme von Verantwortung und Freiheit zur Umsetzung eigener Ideen
  • Zusammenarbeit mit den besten Studierenden ihres Fachgebiets

 

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

 

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft. 

Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen! 
 

Frau Jennifer Leppich

Recruiting

+49 711 970-1415

jennifer.leppich@ipa.fraunhofer.de 

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA 

www.ipa.fraunhofer.de 


Kennziffer: 82691