Stellenausschreibung114: Unterschied zwischen den Versionen
Co1539 (Diskussion | Beiträge) |
Co1539 (Diskussion | Beiträge) |
||
(17 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt) | |||
Zeile 1: | Zeile 1: | ||
{{Stellenausschreibung | {{Stellenausschreibung | ||
− | |Titel DE= | + | |Titel DE=Studentische Hilfskraft - Automatisiertes/Autonomes Fahren - Maschinelles Lernen |
− | |Titel EN= | + | |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 | + | 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''' | '''AUFGABEN''' | ||
Zeile 10: | Zeile 10: | ||
Das Projekt umfasst eine Vielzahl von Aufgaben unter anderem suche wir Unterstützung in folgenden Bereichen. | 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 | *Parallelisierung des Suchverfahrens | ||
*Beschreibung und Erstellung von Testszenarien | *Beschreibung und Erstellung von Testszenarien | ||
+ | *Ableiten von Kooperationsaspekten | ||
<!-- *Evaluierung in Simulation und auf Testdaten --> | <!-- *Evaluierung in Simulation und auf Testdaten --> | ||
<!-- *Portierung und Erprobung auf Testfahrzeug --> | <!-- *Portierung und Erprobung auf Testfahrzeug --> | ||
Zeile 25: | Zeile 25: | ||
'''WIR ERWARTEN''' | '''WIR ERWARTEN''' | ||
− | *Fähigkeit Algorithmen | + | *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 | *Fundierte Englisch- oder Deutschkenntnisse | ||
*Hohe Kreativität und Produktivität | *Hohe Kreativität und Produktivität | ||
− | *Wissen auf dem Gebiet der Künstlichen Intelligenz, Spieltheorie oder verwandten Bereichen sind von Vorteil | + | *Wissen auf dem Gebiet der Künstlichen Intelligenz (insbesondere Such- und Lernverfahren), Spieltheorie oder verwandten Bereichen sind von Vorteil |
− | *Erfahrungen mit | + | *Erfahrungen mit Such- und Lernverfahren wie z.B. Monte Carlo Tree Search/Reinforcement Learning sind von Vorteil |
'''ERFORDERLICHE UNTERLAGEN''' | '''ERFORDERLICHE UNTERLAGEN''' | ||
Zeile 41: | Zeile 42: | ||
|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. | ||
− | For the prediction and planning of cooperative driving maneuvers, | + | 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''' | '''TASKS''' | ||
Zeile 47: | Zeile 48: | ||
The project encompasses a variety of tasks among other things we seek support in the following areas. | 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 | *Parallelizing of the search method | ||
*Description and creation of test scenarios | *Description and creation of test scenarios | ||
+ | *Inferring cooperative aspects | ||
<!-- *Evaluation in simulation and on test data --> | <!-- *Evaluation in simulation and on test data --> | ||
<!-- *Porting and testing onto test vehicle --> | <!-- *Porting and testing onto test vehicle --> | ||
Zeile 62: | Zeile 63: | ||
'''WE EXPECT''' | '''WE EXPECT''' | ||
− | *Ability to implement algorithms | + | *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 | *Sound English or German skills | ||
*High creativity and productivity | *High creativity and productivity | ||
− | *Knowledge in the field of artificial intelligence, game theory or related areas are a plus | + | *Knowledge in the field of artificial intelligence (especially searching and learning), game theory or related areas are a plus |
− | *Experiences with | + | *Experiences with methods for searching and learning, e.g. Monte Carlo tree search/Reinforcement Learning are a plus |
'''REQUIRED DOCUMENTS''' | '''REQUIRED DOCUMENTS''' | ||
Zeile 79: | Zeile 81: | ||
|Forschungsgruppe=Angewandte Technisch-Kognitive Systeme | |Forschungsgruppe=Angewandte Technisch-Kognitive Systeme | ||
|Ausschreibender=Karl Kurzer | |Ausschreibender=Karl Kurzer | ||
− | + | |Löschdatum=2021/10/31 | |
− | |Löschdatum= | ||
}} | }} |
Aktuelle Version vom 16. September 2020, 13:04 Uhr
Studentische Hilfskraft - Automatisiertes/Autonomes Fahren - Maschinelles Lernen
Stellenausschreibung
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
HiWi / Tutor(in)
keine Angabe
Angewandte Technisch-Kognitive Systeme
keine Angabe