Stage-oe-small.jpg

Thema4756

Aus Aifbportal
Version vom 2. Dezember 2021, 08:48 Uhr von Dh1659 (Diskussion | Beiträge)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Wechseln zu:Navigation, Suche



Anomaly Detection for Autonomous Driving





Informationen zur Arbeit

Abschlussarbeitstyp: Master
Betreuer: Daniel Bogdoll
Forschungsgruppe: Angewandte Technisch-Kognitive Systeme
Partner: FZI Forschungszentrum Informatik
Archivierungsnummer: 4756
Abschlussarbeitsstatus: Abgeschlossen
Beginn: 02. Dezember 2021
Abgabe: unbekannt

Weitere Informationen

Das AIFB und FZI beschäftigen sich mit Fragestellungen rund um das Thema autonomes Fahren. Zur Skalierung von autonomen Fahrzeugen ist die Detektion von Anomalien, auch Corner Cases genannt, enorm wichtig. Dies kann zur Verbesserung der Modelle genutzt werden (aktives Lernen) oder zur Reaktion während der Laufzeit. Typische Sensoren hierfür liefern Kamera und Lidar-Daten. Wir untersuchen Methoden, die diese Sensortypen kombinieren und in relevanten Arealen Anomalien erkennen. Dafür benötigen wir Unterstützung in zahlreichen Bereichen, wobei man sich seinen Stärken und Interessen entsprechend einbringen kann. Mögliche Themen sind Semantic Segmentation, Deep Generative Models, Scene Synthesis, Pseudo-Lidar oder State-of-the-art Benchmarking mit KITTI, WAYMO, CARLA etc. Bewirb dich gerne auch bei Interesse an einer Hiwi-Stelle, BA o.ä. :)

AUFGABEN

  • Literaturrecherche, Analyse und Bewertung des Stands der Technik
  • Implementierung und Evaluation von ausgewählten Algorithmen in Python

WIR BIETEN

  • Ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft und Wirtschaft
  • Fordernde Aufgabenstellungen in einem spannenden und hochaktuellen Themengebiet
  • Regelmäßige Meetups mit den Studierenden in meinem Team
  • Bei herausragender Arbeit Einreichung eines Papers zur Publikation bei einer Konferenz
  • Freie, eigenständige Arbeitsweise mit kurzen, strukturierten Weekly Meetings für regelmäßiges Feedback

WIR ERWARTEN

  • Gute Python-Programmierkenntnisse (unter Linux mit Git)
  • Theoretische Kenntnisse im Bereich Machine Learning / Deep Learning
  • Praktische Erfahrung mit Tensorflow oder PyTorch
  • Selbständiges Denken und Arbeiten, Motivation und Engagement
  • Fließend in Englisch oder Deutsch
  • Bonuspunkte gibt es für Erfahrungen mit (un)supervised Methoden, ROS, CARLA, ClearML und LaTeX

ERFORDERLICHE UNTERLAGEN

  • Zwei Sätze über deine Motivation (in der E-Mail)
  • Aktueller Notenauszug (und falls vorhanden, Bachelorzeugnis)
  • Tabellarischer Lebenslauf

KONTAKT

Daniel Bogdoll