Thema4407: Unterschied zwischen den Versionen

Version vom 14. Januar 2019, 10:12 Uhr

Parallelisierung des 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

@@ Zeile 6: / Zeile 6: @@
 |Forschungsgruppe=Angewandte Technisch-Kognitive Systeme
 |Abschlussarbeitsstatus=Offen
-|Beginn=2019/1/14
+|Beginn=2019/01/14
-|Beschreibung DE=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
+|Beschreibung DE=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'''
-Für die Prädiktion und Planung von kooperativen Fahrmanövern kommen Such- und Lernverfahren zum Einsatz welche die Interdependenzen der einzelnen Verkehrsteilnehmer berücksichtigten, sowie die Systemzustände probabilistisch modellieren.
+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'''