Anmelden
suchen
Stage-oe-small.jpg
Startseite

Stellenausschreibung114: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
 
(30 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 1: Zeile 1:
 
{{Stellenausschreibung
 
{{Stellenausschreibung
−
|Titel DE=Kooperativ Interagierende Automobile
+
|Titel DE=Studentische Hilfskraft - Automatisiertes/Autonomes Fahren - Maschinelles Lernen
−
|Titel EN=Cooperatively Interacting Automobiles
+
|Titel EN=Student Assistant - Automated Driving/Autonomous Driving - Machine Learning
 
|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.
 
|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.
 +
 +
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.
 +
 +
'''AUFGABEN'''
 +
 +
Das Projekt umfasst eine Vielzahl von Aufgaben unter anderem suche wir Unterstützung in folgenden Bereichen.
 +
 +
*Lernen von Kostenmetriken für Fahrmanöver (Inverse Reinforcement Learning)
 +
*Lernen von Verhaltensmodellen (Deep Reinforcement Learning)
 +
*Hyperparameter Optimierung (Baysian Optimization)
 +
*Parallelisierung des Suchverfahrens
 +
*Beschreibung und Erstellung von Testszenarien
 +
*Ableiten von Kooperationsaspekten
 +
<!-- *Evaluierung in Simulation und auf Testdaten -->
 +
<!-- *Portierung und Erprobung auf Testfahrzeug -->
 +
 +
'''WIR BIETEN'''
 +
*ein interdisziplinäres Forschungsumfeld mit Partnern aus Wissenschaft und Wirtschaft
 +
*eine konstruktive Zusammenarbeit mit hellen, motivierten Mitarbeitern
 +
*eine angenehme Arbeitsatmosphäre
 +
 +
'''WIR ERWARTEN'''
 +
*Fähigkeit sowohl State of the Art, als auch experimentelle Algorithmen zu implementieren
 +
*Grundlegende C++ oder Python Kenntnisse (C++11, STL, etc.)
 +
*Fundierte Englisch- oder Deutschkenntnisse
 +
*Hohe Kreativität und Produktivität
 +
*Wissen auf dem Gebiet der Künstlichen Intelligenz (insbesondere Such- und Lernverfahren), Spieltheorie oder verwandten Bereichen sind von Vorteil
 +
*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
 
|Beschreibung EN=Automated, cooperative vehicles have to make decisions in road traffic in a highly dynamic, interacting and incompletely perceptible environment. Previous approaches are usually only considering an egocentric perspective, without considering any cooperative aspects, with or between others.
 
|Beschreibung EN=Automated, cooperative vehicles have to make decisions in road traffic in a highly dynamic, interacting and incompletely perceptible environment. Previous approaches are usually only considering an egocentric perspective, without considering any cooperative aspects, with or between others.
−
|Stellenart=HiWi / Tutor(in)
 
−
|Forschungsgruppe=Angewandte Technisch-Kognitive Systeme
 
−
|Ausschreibender=Karl Kurzer
 
−
|Bewerbungsfrist=2017/04/30
 
−
}}
 
−
Für die Prädiktion und Planung von kooperativen Fahrmanövern soll ein Verfahren entwickelt werden, welches sowohl die Interdependenzen der einzelnen Verkehrsteilnehmer berücksichtigt, sowie die Systemzustände probabilistisch modelliert.
 
  
−
Das Projekt umfasst eine Vielzahl von Aufgaben unter anderem suche wir Unterstützung in folgenden Bereichen.
+
For the prediction and planning of cooperative driving maneuvers, methods for searching and learning are developed which account for the interdependencies of individual traffic participants, as well as model the system states probabilistically.
 +
 
 +
'''TASKS'''
 +
 
 +
The project encompasses a variety of tasks among other things we seek support in the following areas.
 +
 
 +
*Learning of cost metrics for driving maneuvers (Inverse Reinforcement Learning)
 +
*Learning of behavior models (Deep Reinforcement Learning)
 +
*Hyper Parameter Optimization (Baysian Optimization)
 +
*Parallelizing of the search method
 +
*Description and creation of test scenarios
 +
*Inferring cooperative aspects
 +
<!-- *Evaluation in simulation and on test data -->
 +
<!-- *Porting and testing onto test vehicle -->
 +
 
 +
'''WE OFFER'''
 +
*An interdisciplinary research environment with partners from science and industry
 +
*A constructive collaboration with bright, motivated employees
 +
*A pleasant working atmosphere
  
−
*Modellierung der probabilistischen Zustands- und Aktionsräume
+
'''WE EXPECT'''
 +
*Ability to implement both state of the art and experimental algorithms
 +
*Basic C++ or Python knowledge (C++11, STL, etc.)
 +
*Sound English or German skills
 +
*High creativity and productivity
 +
*Knowledge in the field of artificial intelligence (especially searching and learning), game theory or related areas are a plus
 +
*Experiences with methods for searching and learning, e.g. Monte Carlo tree search/Reinforcement Learning are a plus
  
−
*Beschreibung und Erstellung von Testszenarien
+
'''REQUIRED DOCUMENTS'''
  
−
*Implementierung in C++
+
*current transcript of records
 +
*CV
  
−
*Evaluierung in Simulation und auf Testdaten
+
'''CONTACT'''
  
−
*Portierung und Erprobung auf Testfahrzeug
+
Karl Kurzer
 +
|Stellenart=HiWi / Tutor(in)
 +
|Forschungsgruppe=Angewandte Technisch-Kognitive Systeme
 +
|Ausschreibender=Karl Kurzer
 +
|Löschdatum=2021/10/31
 +
}}

Aktuelle Version vom 16. September 2020, 13:04 Uhr

Studentische Hilfskraft - Automatisiertes/Autonomes Fahren - Maschinelles Lernen

Stellenausschreibung



Stellenbeschreibung

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.

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.

AUFGABEN

Das Projekt umfasst eine Vielzahl von Aufgaben unter anderem suche wir Unterstützung in folgenden Bereichen.

  • Lernen von Kostenmetriken für Fahrmanöver (Inverse Reinforcement Learning)
  • Lernen von Verhaltensmodellen (Deep Reinforcement Learning)
  • Hyperparameter Optimierung (Baysian Optimization)
  • Parallelisierung des Suchverfahrens
  • Beschreibung und Erstellung von Testszenarien
  • Ableiten von Kooperationsaspekten

WIR BIETEN

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

WIR ERWARTEN

  • Fähigkeit sowohl State of the Art, als auch experimentelle Algorithmen zu implementieren
  • Grundlegende C++ oder Python Kenntnisse (C++11, STL, etc.)
  • Fundierte Englisch- oder Deutschkenntnisse
  • Hohe Kreativität und Produktivität
  • Wissen auf dem Gebiet der Künstlichen Intelligenz (insbesondere Such- und Lernverfahren), Spieltheorie oder verwandten Bereichen sind von Vorteil
  • 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

Stellenart

HiWi / Tutor(in)

Link PDF

keine Angabe

Ausschreibende(r)

Karl Kurzer

Forschungsgruppe

Angewandte Technisch-Kognitive Systeme

Bewerbungsfrist

keine Angabe





Abgerufen von „http://aifb.kit.edu/index.php?title=Stellenausschreibung114&oldid=99818“