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

Stellenausschreibung114

Aus Aifbportal

Wechseln zu: Navigation, Suche

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++ 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