Stage-oe-small.jpg

Stellenausschreibung114: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
Zeile 4: Zeile 4:
 
|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 soll ein Verfahren entwickelt werden, welches sowohl die Interdependenzen der einzelnen Verkehrsteilnehmer berücksichtigt, sowie die Systemzustände probabilistisch modelliert.
+
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 29: Zeile 29:
 
*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 Graphensuchalgorithmen wie z.B. Monte Carlo Tree Search sind von Vorteil
+
*Erfahrungen mit Such- und Lernverfahren wie z.B. Monte Carlo Tree Search/Reinforcement Learning sind von Vorteil
  
 
'''ERFORDERLICHE UNTERLAGEN'''
 
'''ERFORDERLICHE UNTERLAGEN'''
Zeile 42: 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, a method is to be developed which takes account of the interdependencies of the individual traffic participants, as well as modeling the system states probabilistically.
+
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 67: Zeile 67:
 
*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 graph search algorithms, e.g. Monte Carlo tree search are a plus
+
*Experiences with methods for searching and learning, e.g. Monte Carlo tree search/Reinforcement Learning are a plus
  
 
'''REQUIRED DOCUMENTS'''
 
'''REQUIRED DOCUMENTS'''
Zeile 81: Zeile 81:
 
|Forschungsgruppe=Angewandte Technisch-Kognitive Systeme
 
|Forschungsgruppe=Angewandte Technisch-Kognitive Systeme
 
|Ausschreibender=Karl Kurzer
 
|Ausschreibender=Karl Kurzer
|Bewerbungsfrist=2018/11/31
+
|Bewerbungsfrist=2018/12/01
 
|Löschdatum=2019/10/31
 
|Löschdatum=2019/10/31
 
}}
 
}}

Version vom 25. September 2018, 14:10 Uhr

Wissenschaftliche Hilfskraft | Kooperativ Interagierende Automobile

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.

  • Modellierung kooperativer Fahrermodelle
  • Erstellung Semantischer Umweltmodelle
  • Ableiten von Kooperationsaspekten
  • Entwicklung von Kostenmetriken für Fahrmanöver
  • Parallelisierung des Suchverfahrens
  • Beschreibung und Erstellung von Testszenarien

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

1. Dezember 2018