Aufgabenstellung:

Die zunehmende Komplexität von elektrischen Systemen in Automobilen, Flugzeugen oder industriellen Anlagen führt zu einem gestiegenen Bedarf an flexiblen und intelligenten Automatisierungslösungen im Bereich der Kabelbaum- bzw. Leitungssatzherstellung und -montage. Insbesondere bei kleinen Losgrößen und hoher Variantenvielfalt stoßen klassische Automatisierungsmethoden an ihre Grenzen. Die Manipulation von Kabelbäumen – aufgrund ihrer Flexibilität, Instabilität und komplexen Geometrie – stellt dabei eine besondere Herausforderung dar.

Mit dem Aufkommen von Foundation Models, großen, vortrainierten Modellen, die über eine Vielzahl von Aufgaben hinweg generalisieren können, entstehen neue Möglichkeiten im Bereich der Robotik. Eines dieser Modelle ist GROOT (Graph-based Robot Optimization for Object Tasks), ein multimodales Foundation Model für Robotermanipulation. GROOT wurde mit großen Mengen an Simulations- und Realweltdaten vortrainiert und ist ähnlich aufgebaut wie Sprachmodelle vom Typ GPT, jedoch speziell auf physikalische Interaktion, Sensorik, Bewegungsplanung und Objektmanipulation ausgerichtet. Wie ChatGPT im Sprachbereich erlaubt GROOT in der Robotik eine Form von „Prompting“, bei der durch die Angabe von Zielzuständen, Szenarien oder Beispieldemonstrationen komplexe Handlungsabfolgen generiert werden können – ohne explizites Programmieren oder klassische Planung.

Ziel der Masterarbeit:

Im Rahmen dieser Masterarbeit soll ein lernfähiger Roboter (Lerobot) aufgebaut und in Betrieb genommen werden, der mit Hilfe des KI-Frameworks GROOT in der Lage ist, manipulativ mit einem vereinfachten Kabelbaum umzugehen. GROOT erlaubt es diese komplexe Manipulationsaufgaben in unstrukturierten Umgebungen zu erlernen, die über klassische Planungsmethoden nicht lösbar sind.

Die Arbeit beinhaltet folgende Schwerpunkte:

• Einarbeitung in die Thematik der Kabelbaummanipulation und deren Herausforderungen
• Überblick über klassische Automatisierungsmethoden und deren Limitationen
• Einarbeitung in GROOT und die zugrundeliegenden Konzepte
• Aufbau und Integration in den LeRobot

Persönliche Voraussetzungen:

• Interesse an KI-gestützter Robotik und lernenden Systemen
• Erfahrung in der Programmierung mit Python/C++, sowie grundlegende Kenntnisse im Machine Learning
• Selbstständige, strukturierte und wissenschaftlich fundierte Arbeitsweise
• Deutsch oder Englisch in Wort und Schrift

Weitere Informationen und Details sind unter simon.lamprecht@faps.fau.de erhältlich.
Eine Bearbeitung ist ab sofort möglich. Bewerbungen senden Sie bitte mit Notenauszug und Lebenslauf per E-Mail an die genannte Kontaktperson.  KI-generierte, generische und fachlich unpassende Bewerbungen erhalten keine Rückmeldung.

Kategorien:

Kontakt: