Home |  ENGLISH |  Kontakt |  Impressum |  Datenschutz |  Anmelden |  KIT

Thema4492: Unterschied zwischen den Versionen

Aus Aifbportal

Wechseln zu: Navigation, Suche
 
Zeile 7: Zeile 7:
 
|Abschlussarbeitsstatus=Offen
 
|Abschlussarbeitsstatus=Offen
 
|Beginn=2019/8/14
 
|Beginn=2019/8/14
 +
|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
 +
Perspektive heraus, ohne Kooperationsaspekte mit, beziehungsweise zwischen anderen Verkehrsteilnehmern zu berücksichtigen.
 +
 +
'''AUFGABEN'''
 +
 +
Das Ziel dieser Arbeit ist die Erweiterung eines bestehenden kooperativen multiagenten Planungsalgorithmus um den Aspekt der Sicherheit. Hierbei sollen Verfahren wie RSS, die eine einseitige Sicherheit während der Fahrt gewährleisten eingesetzt werden. RSS kann sowohl die Risikobewertung (Klassifizierung von sicheren/gefährlichen Situationen) als auch die Risikominderung (Generierung der richtigen Reaktion) durchführen. Beide Aspekte sollen innerhalb des Planungsalgorithmus integriert werden um eine die Generierung sicherer Aktionen zu gewährleisten.
 +
 +
'''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
 +
*Gute C++ (C++11, STL, etc.) und Python Kenntnisse
 +
*Fundierte Englischkenntnisse
 +
*Hohe Kreativität und Produktivität
 +
*Erfahrung mit Monte Carlo Tree Search/Reinforcement Learning ist 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 attempts are usually limited to situation assessment from an egocentric perspective, without taking cooperation aspects into account, or interactions between other road users.
 +
 +
'''TASKS'''
 +
 +
The goal of this thesis is the extension of an existing cooperative multi-agent planning algorithm by the aspect of safety. In this context, methods such as RSS, which guarantee a one-sided safety while driving, are to be used. RSS can perform both the risk assessment (classification of safe/dangerous situations) and the risk mitigation (generation of the proper response). Both aspects should be integrated within the planning algorithm to ensure the generation of safe actions.
 +
 +
'''WE OFFER'''
 +
*An interdisciplinary research environment with partners from science and industry
 +
*A constructive collaboration with bright, motivated employees
 +
*A pleasant working atmosphere
 +
 +
'''WE EXPECT'''
 +
*Knowledge in depth and breadth in the field of artificial intelligence (especially search algorithms and machine learning), game theory or closely related areas
 +
*Ability to implement both state of the art, as well as experimental algorithms
 +
*Good C++ (C++11, STL, etc.) and Python Skills
 +
*Sound English skills
 +
*High creativity and productivity
 +
*Experience with Monte Carlo Tree Search/Reinforcement Learning are a plus
 +
 +
'''REQUIRED DOCUMENTS'''
 +
 +
*current transcript of records
 +
*CV
 +
 +
'''CONTACT'''
 +
 +
Karl Kurzer
 
}}
 
}}

Aktuelle Version vom 14. August 2019, 14:12 Uhr



Machine Learning applied to Automated/Autonomous Driving - Safe Cooperative Multi-Agent Trajectory Planning




Informationen zur Arbeit

Abschlussarbeitstyp: Master
Betreuer: Karl Kurzer
Forschungsgruppe: Angewandte Technisch-Kognitive Systeme
Partner: FZI Forschungszentrum Informatik
Archivierungsnummer: 4492
Abschlussarbeitsstatus: Offen
Beginn: 14. August 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 die Erweiterung eines bestehenden kooperativen multiagenten Planungsalgorithmus um den Aspekt der Sicherheit. Hierbei sollen Verfahren wie RSS, die eine einseitige Sicherheit während der Fahrt gewährleisten eingesetzt werden. RSS kann sowohl die Risikobewertung (Klassifizierung von sicheren/gefährlichen Situationen) als auch die Risikominderung (Generierung der richtigen Reaktion) durchführen. Beide Aspekte sollen innerhalb des Planungsalgorithmus integriert werden um eine die Generierung sicherer Aktionen zu gewährleisten.

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
  • Gute C++ (C++11, STL, etc.) und Python Kenntnisse
  • Fundierte Englischkenntnisse
  • Hohe Kreativität und Produktivität
  • Erfahrung mit Monte Carlo Tree Search/Reinforcement Learning ist von Vorteil

ERFORDERLICHE UNTERLAGEN

  • aktueller Notenauszug
  • tabellarischer Lebenslauf

KONTAKT

Karl Kurzer