Stage-oe-small.jpg

Thema4407: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
Zeile 1: Zeile 1:
 
{{Abschlussarbeit
 
{{Abschlussarbeit
|Titel=Automatisiertes Fahren - Parallelisierung eines Kooperativen Planungsverfahrens
+
|Titel=Automatisiertes/Autonomes Fahren - Parallelisierung eines Kooperativen Planungsverfahrens
 
|Abschlussarbeitstyp=Master
 
|Abschlussarbeitstyp=Master
 
|Betreuer=Karl Kurzer;
 
|Betreuer=Karl Kurzer;

Version vom 14. Januar 2019, 10:14 Uhr



Automatisiertes/Autonomes Fahren - Parallelisierung eines Kooperativen Planungsverfahrens




Informationen zur Arbeit

Abschlussarbeitstyp: Master
Betreuer: Karl Kurzer
Forschungsgruppe: Angewandte Technisch-Kognitive Systeme
Partner: FZI Forschungszentrum Informatik
Archivierungsnummer: 4407
Abschlussarbeitsstatus: Offen
Beginn: 14. Januar 2019
Abgabe: unbekannt

Weitere Informationen

Automatisierte, kooperative Fahrzeuge müssen im Straßenverkehr in einer hochgradig dynamischen, interagierenden und nur unvollständig wahrnehmbaren Umwelt Entscheidungen treffen. Bisherige Ansätze beschränken sich meist darauf, Situationen allein aus einer egozentrischen Perspektive heraus, ohne Kooperationsaspekte mit, beziehungsweise zwischen anderen Verkehrsteilnehmern zu berücksichtigen.

AUFGABEN

Das Ziel dieser Arbeit ist es, die Fähigkeiten moderner CPUs und GPUs zu nutzen und einen Algorithmus zu entwickeln, der die Parallelisierungsfähigkeiten voll ausschöpfen kann, um die Genauigkeit des sampling-basierten Ansatzes um einen großen Faktor zu erhöhen und gleichzeitig die Planung zu beschleunigen, um den Echtzeitbeschränkungen zu entsprechen.

WIR BIETEN

  • ein interdisziplinäres Forschungsumfeld mit Partnern aus Wissenschaft und Wirtschaft
  • eine konstruktive Zusammenarbeit mit hellen, motivierten Mitarbeitern
  • eine angenehme Arbeitsatmosphäre

WIR ERWARTEN

  • Wissen auf dem Gebiet der Künstlichen Intelligenz (insbesondere Such- und Lernverfahren), Spieltheorie oder verwandten Bereichen
  • Fähigkeit sowohl State of the Art, als auch experimentelle Algorithmen zu implementieren
  • Grundlegende C++ Kenntnisse (C++11, STL, etc.)
  • Fundierte Englischkenntnisse
  • Hohe Kreativität und Produktivität
  • Erfahrungen mit Such- und Lernverfahren wie z.B. Monte Carlo Tree Search/Reinforcement Learning sind von Vorteil

ERFORDERLICHE UNTERLAGEN

  • aktueller Notenauszug
  • tabellarischer Lebenslauf

KONTAKT

Karl Kurzer