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

Thema4492

Aus Aifbportal

Wechseln zu: Navigation, Suche



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