Masterthesis - Reinforcement Learning approach for path following and base control

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, robusten Navigation im Außenbereich.

Klassische Local-Controller (z. B. Regulated Pure Pursuit, MPPI) berechnen für einen vorgegeben Pfad die Soll-Geschwindigkeiten, die der Base-Controller in Radbefehle übersetzt. Diese modulare Architektur erfordert häufig einen hohen Parametrierungsaufwand und zeigt begrenzte Anpassungsfähigkeit an unterschiedliche Fahrzeugtypen und Einsatzbedingungen. Ziel der Masterarbeit ist die Untersuchung eines End-to-End-Reinforcement-Learning-Ansatzes für die Pfadverfolgung, der die Abbildung von Soll-Pfad und aktuellen Sensordaten direkt auf Motorstellgrößen erlernt. Der Fokus liegt auf der Bewertung, inwieweit ein solcher Ansatz die Portierbarkeit auf neue Fahrzeugtypen verbessern und die Pfadverfolgungsgenauigkeit gegenüber klassischen Architekturen erhöhen kann.

Was Sie bei uns tun

Analyse des bestehenden Navigations-Stacks (Local-Controller/Path-following-Controller, Base Controller)
Entwicklung und Training eines Reinforcement-Learning-Ansatzes, der die klassische Trennung von Path-following-Controller und Base-Controller in einer gemeinsamen Policy abbilden
Untersuchung modellfreier und/oder modellbasierter RL-Verfahren hinsichtlich Stabilität, Datenbedarf und Übertragbarkeit
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, Stabilität und Inbetriebnahmezeit
Dokumentation, Auswertung und wissenschaftliche Aufbereitung der Ergebnisse

Was Sie mitbringen

Gültige Immatrikulation an einer deutschen Universität/Hochschule in den Fachrichtungen Robotik, Kybernetik, Informatik, Maschinenbau, Mechatronik oder vergleichbare
Erfahrung mit Reinforcement Learning
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: 82688

Stellensegment: Training, Learning, Education, Human Resources

Jetzt bewerben »