Index

Motivation

Moderne Sprach- und Bildmodelle eröffnen neue Möglichkeiten in der Mensch-Roboter-Interaktion. Gerade bei Assistenzsystemen wie einem intelligenten Rollstuhl kann durch eine intuitive, visuelle und sprachliche Kommunikation die Bedienung deutlich vereinfacht und der individuelle Komfort des Nutzers besser berücksichtigt werden.

Am FAPS wird ein intelligenter Rollstuhl entwickelt, der bereits autonom navigieren kann. Ziel ist es nun, diesen mit einem Vision-Language Model (VLM) zu erweitern, um auf sprachliche und visuelle Hinweise des Patienten zu reagieren – beispielsweise durch das Erkennen von Anweisungen wie „Fahr dorthin, wo der Mann mit dem roten Pulli steht“ oder „Bitte an der Bank mit dem Baum anhalten“.

Inspiration liefern unter anderem folgende Veröffentlichungen:

– Human Comfort Factors in People Navigation: Literature Review, Taxonomy and Framework
– HuNavSim 2.0
– VLM-Social-Nav: Socially Aware Robot Navigation Through Scoring Using Vision-Language Models

Zielsetzung

In dieser Arbeit soll ein VLM in die ROS-basierte Steuerung des intelligenten Rollstuhls eingebunden werden. Es soll als Schnittstelle dienen zwischen der Wahrnehmung der Umgebung (Kamera) und der intuitiven Interaktion mit dem Patienten (Sprache), um die komfortable Navigation durch natürliche Instruktionen zu ermöglichen.

Arbeitsschritte

– Einarbeitung in bestehende ROS-Navigation des intelligenten Rollstuhls
– Auswahl und Vorbereitung eines geeigneten Vision-Language-Modells
– Entwicklung eines Konzepts zur Integration von Kamera-Input und Sprachbefehlen
– Verarbeitung natürlicher Sprache und visueller Hinweise zur Erzeugung von Navigationszielen
– Implementierung einer Beispielanwendung: Interaktive Navigation zu einem Ziel in der Umgebung
– Evaluation mit Beispiel-Szenarien oder Probanden

Was wir bieten

– Arbeiten an einem hochaktuellen Thema zwischen KI, Robotik und Assistenzsystemen
– Anwendung neuester Vision-Language-Technologien in einer realen robotischen Plattform
– Betreuung durch ein interdisziplinäres Team am FAPS
– Freiraum für eigene Ideen und kreative Ansätze
– Flexible Arbeitsweise und moderne Ausstattung

Anforderungen & Bewerbung

– Interesse an KI, Sprachverarbeitung oder Mensch-Roboter-Interaktion
– Grundkenntnisse in Python und ROS sind hilfreich
– Erfahrung mit Deep-Learning-Frameworks von Vorteil
– Beginn jederzeit möglich

Bewerbung bitte per E-Mail mit kurzer Notenübersicht und Lebenslauf.
Fragen zur Arbeit oder zum Thema beantworten wir gerne persönlich oder per Mail.

Motivation

Am FAPS wird ein intelligenter Rollstuhl entwickelt, der durch moderne Navigationstechniken wie Reinforcement Learning oder Imitation Learning auch in dynamischen Umgebungen zuverlässig und sozial verträglich agieren kann. Um das subjektive Nutzererlebnis – insbesondere den Passagierkomfort– wissenschaftlich zu bewerten, ist ein realitätsnahes und zugleich kontrollierbares Testumfeld erforderlich.

Während VR-Simulationen bereits zur Bewertung genutzt wurden, erlaubt eine Mixed-Reality-Umgebungnun eine neue Stufe: Die reale Fortbewegung im Rollstuhl wird beibehalten, während die Umgebung über eine VR-Brille standardisiert und kontrolliertdargestellt wird – unabhängig vom realen Umfeld.

Zielsetzung

Ziel dieser Arbeit ist die Entwicklung eines Mixed-Reality-Demonstrators, bei dem sich reale ProbandInnen mit dem echten Rollstuhl durch eine Halle bewegen, während sie durch eine VR-Brille eine belebte, virtuelle Umgebung erleben. Alle Probandnnen sehen dadurch die exakt gleiche Szene (z. B. Fußgängerströme, Hindernisse), obwohl sie sich physisch in der realen Welt fortbewegen.

Dies ermöglicht die vergleichende Bewertung verschiedener Navigationsalgorithmen unter identischen Bedingungen aus Sicht der fahrenden Person – mit besonderem Fokus auf Komfort, Sicherheit und soziale Akzeptanz.

Inspiration liefern unter anderem folgende Veröffentlichungen:
– Human Comfort Factors in People Navigation: Literature Review, Taxonomy and Framework
– HuNavSim 2.0

Arbeitsschritte

– Analyse bestehender Systeme zur synchronisierten Darstellung virtueller Szenen bei realer Bewegung
– Auswahl geeigneter Tracking- und Simulationsmethoden (z. B. für Meta Quest 2)
– Konzeption eines Mixed-Reality-Setups in einer Halle mit realem Rollstuhl
– Entwicklung eines Szenenplayers (z. B. Unity-basiert), der eine definierte, belebte Szene über VR darstellt
– Synchronisierung der realen Rollstuhlbewegung mit der virtuellen Darstellung
– Aufbau und Test eines Demonstrators mit Beispielszene

Was wir bieten

– Arbeit mit direktem Praxisbezug an der Schnittstelle von Robotik, Mixed Reality und Nutzerforschung
– Entwicklung mit moderner Hardware (intelligenter Rollstuhl, Meta Quest 2, Motion Tracking)
– Interdisziplinäre Betreuung und Einblicke in angewandte Forschung
– Gestaltungsfreiraum bei Konzeption und technischer Umsetzung
– Kollegiales Umfeld am FAPS und flexible Arbeitszeiten

Anforderungen & Bewerbung

– Interesse an Mixed Reality, Simulation oder Mensch-Maschine-Interaktion
– Grundkenntnisse in Unity (C#) oder verwandten Tools wünschenswert, aber nicht zwingend notwendig
– Technisches Verständnis und Kreativität in der Lösungsfindung
– Beginn jederzeit möglich

Bewerbung bitte per E-Mail mit kurzer Notenübersicht und Lebenslauf.
Bei Fragen oder zur Besprechung erster Ideen gerne auch ein persönliches Gespräch.

Motivation

Am FAPS werden intelligente Assistenzsysteme entwickelt, die Menschen mit Mobilitätseinschränkungen im Alltag unterstützen sollen. Ein Fokus liegt auf der Entwicklung eines intelligenten Rollstuhls, der sich nicht nur sicher, sondern auch sozial verträglich und komfortabeldurch dynamische Umgebungen bewegen kann.

Um verschiedene Navigationsalgorithmen gezielt und vergleichbar zu bewerten, wurde ein erster VR-Demonstratoraufgebaut. Dieser ermöglicht es, Navigationserlebnisse aus Sicht der fahrenden Person nachzustellen und subjektiv zu bewerten.

Zielsetzung

Ziel dieser Arbeit ist die Erweiterung des bestehenden VR-Demonstrators um belebte und realitätsnahe Umgebungen, in denen Navigationsalgorithmen unter wiederholbaren Bedingungen getestet werden können.

Ein vielversprechender Ansatz ist die Entwicklung eines Unity-Wrappers für HuNavSim, um realistische Personenströme und Interaktionen direkt in Unity darzustellen und diese mit der Meta Quest 2 erlebbar zu machen. So können Probanden identische Szenarien mit unterschiedlichen Navigationsstrategien durchlaufen – eine wichtige Grundlage zur Bewertung von Passagierkomfort und sozialer Akzeptanz.

Inspiration liefern unter anderem folgende Veröffentlichungen:

– Human Comfort Factors in People Navigation: Literature Review, Taxonomy and Framework
– HuNavSim 2.0

Arbeitsschritte
– Einarbeitung in den bestehenden VR-Demonstrator am FAPS
– Erweiterung von HuNavSim zur Darstellung belebter Umgebungen
– Entwicklung eines Unity-Wrappers zur Kopplung mit HuNavSim
– Integration mit der Meta Quest 2 zur immersiven Nutzung
– Aufbau eines standardisierten Testsystems zur Bewertung verschiedener Algorithmen
– Erste Tests mit Probanden zur subjektiven Komfortanalyse

Was wir bieten
– Praxisnahe Arbeit an der Schnittstelle von VR, Robotik und Mensch-Maschine-Interaktion
– Entwicklung mit modernsten Tools (Unity, HuNavSim, Meta Quest 2)
– Betreuung durch ein engagiertes Team mit Erfahrung in Robotik, Simulation und Usability
– Freiraum zur kreativen Umsetzung eigener Ideen
– Flexible Zeiteinteilung und individuelle Betreuung

Anforderungen & Bewerbung
– Interesse an VR, Simulation oder Mensch-Roboter-Interaktion
– Grundkenntnisse in Unity (C#) oder Programmierung (z. B. Python) und ROS hilfreich, aber nicht zwingend notwendig
– Spaß an kreativer Entwicklung und technischer Umsetzung
– Beginn jederzeit möglich

Bewerbung bitte per E-Mail mit kurzer Notenübersicht und Lebenslauf.
Gerne beantworten wir Fragen auch in einem persönlichen Gespräch – einfach melden!

Motivation

Am FAPS werden intelligente Assistenzsysteme entwickelt, die Menschen mit Mobilitätseinschränkungen im Alltag unterstützen sollen. Ein Fokus liegt auf der Entwicklung eines intelligenten Rollstuhls, der sich nicht nur sicher, sondern auch sozial verträglich und komfortabeldurch dynamische Umgebungen bewegen kann.

Um verschiedene Navigationsalgorithmen gezielt und vergleichbar zu bewerten, wurde ein erster VR-Demonstratoraufgebaut. Dieser ermöglicht es, Navigationserlebnisse aus Sicht der fahrenden Person nachzustellen und subjektiv zu bewerten.

Zielsetzung

Ziel dieser Arbeit ist die Erweiterung des bestehenden VR-Demonstrators um belebte und realitätsnahe Umgebungen, in denen Navigationsalgorithmen unter wiederholbaren Bedingungen getestet werden können.

Ein vielversprechender Ansatz ist die Entwicklung eines Unity-Wrappers für HuNavSim, um realistische Personenströme und Interaktionen direkt in Unity darzustellen und diese mit der Meta Quest 2 erlebbar zu machen. So können Probanden identische Szenarien mit unterschiedlichen Navigationsstrategien durchlaufen – eine wichtige Grundlage zur Bewertung von Passagierkomfort und sozialer Akzeptanz.

Inspiration liefern unter anderem folgende Veröffentlichungen:

– Human Comfort Factors in People Navigation: Literature Review, Taxonomy and Framework
– HuNavSim 2.0

Arbeitsschritte
– Einarbeitung in den bestehenden VR-Demonstrator am FAPS
– Erweiterung von HuNavSim zur Darstellung belebter Umgebungen
– Entwicklung eines Unity-Wrappers zur Kopplung mit HuNavSim
– Integration mit der Meta Quest 2 zur immersiven Nutzung
– Aufbau eines standardisierten Testsystems zur Bewertung verschiedener Algorithmen
– Erste Tests mit Probanden zur subjektiven Komfortanalyse

Was wir bieten
– Praxisnahe Arbeit an der Schnittstelle von VR, Robotik und Mensch-Maschine-Interaktion
– Entwicklung mit modernsten Tools (Unity, HuNavSim, Meta Quest 2)
– Betreuung durch ein engagiertes Team mit Erfahrung in Robotik, Simulation und Usability
– Freiraum zur kreativen Umsetzung eigener Ideen
– Flexible Zeiteinteilung und individuelle Betreuung

Anforderungen & Bewerbung
– Interesse an VR, Simulation oder Mensch-Roboter-Interaktion
– Grundkenntnisse in Unity (C#) oder Programmierung (z. B. Python) und ROS hilfreich, aber nicht zwingend notwendig
– Spaß an kreativer Entwicklung und technischer Umsetzung
– Beginn jederzeit möglich

Bewerbung bitte per E-Mail mit kurzer Notenübersicht und Lebenslauf.
Gerne beantworten wir Fragen auch in einem persönlichen Gespräch – einfach melden!

Motivation

Der Einsatz mobiler Robotik in der Assistenztechnologie eröffnet neue Möglichkeiten für die Unterstützung von Menschen mit Mobilitätseinschränkungen. Am FAPS wurde ein intelligenter Rollstuhl entwickelt, der eigenständig navigieren und sich in sozialen Umgebungen zurechtfinden kann.

Während klassische Planungsverfahren und Deep Reinforcement Learning (RL) bereits erfolgreich zum Einsatz kommen, stellt die Berücksichtigung von sozialem Verhalten und Passagierkomfort weiterhin eine große Herausforderung dar. Imitation Learning (IL) bietet hier eine vielversprechende Alternative oder Ergänzung: Durch das Nachahmen menschlicher Navigationsstrategien anhand demonstrierter Trajektorien kann ein natürliches und sozial akzeptiertes Fahrverhalten erlernt werden.

Zielsetzung

Ziel dieser Arbeit ist es, aktuelle Ansätze im Bereich des Imitation Learning für mobile Robotik zu untersuchen und einen eigenen Ansatz zu implementieren. Dabei sollen zwei potenzielle Anwendungspfade verfolgt werden:

1. Finetuning eines bestehenden Deep-RL-Agents durch Imitation Learning, um das Navigationsverhalten in sozialen Situationen zu verbessern.
2. Direktes Training eines Navigationsverhaltens durch nachgeahmte Demonstrationen (z. B. Trajektorien menschlicher Bedienung), mit Fokus auf Komfort und soziale Verträglichkeit.

Die Arbeit kann wahlweise einen der beiden Schwerpunkte vertiefen oder beide Ansätze vergleichen. Eine vorhandene Simulationsumgebung sowie ein RL-Framework stehen als Basis zur Verfügung.

Inspiration liefern unter anderem folgende Veröffentlichungen:

– Human Comfort Factors in People Navigation: Literature Review, Taxonomy and Framework
– DRL-VO: Learning to Navigate Through Crowded Dynamic Scenes Using Velocity Obstacles
– Deep Imitation Learning for Autonomous Navigation in Dynamic Pedestrian Environments
– Learning to Navigate Robotic Wheelchairs from Demonstration: Is Training in Simulation Viable?
– HuNavSim 2.0
– Arena-rosnav

Arbeitsschritte

– Einarbeitung in Imitation-Learning-Konzepte (z. B. Behavioral Cloning, GAIL, DAgger)
– Literaturrecherche zu bestehenden IL-Methoden in der Roboternavigation
– Integration und Finetuning eines Imitation-Learning-Ansatzes in das bestehende ROS-Framework
– Evaluation hinsichtlich sozialem Verhalten und Passagierkomfort

Was wir bieten

– Forschung an einer hochaktuellen Schnittstelle von KI, Robotik und Mensch-Maschine-Interaktion
– Einstieg in ein laufendes Projekt mit echter Anwendungsperspektive
– Nutzung und Erweiterung modernster Simulationsumgebungen
– Flexible Zeiteinteilung und individuelle Betreuung
– Vorbereitung auf eine Tätigkeit in Forschung oder Industrie

Anforderungen & Bewerbung
– Interesse an KI, Imitation Learning und sozialer Robotik
– Grundkenntnisse in ROS und Reinforcement Learning von Vorteil, aber nicht zwingend notwendig
– Selbstständige, strukturierte Arbeitsweise
– Beginn jederzeit möglich

Bewerbung bitte per E-Mail mit Lebenslauf und aktueller Notenübersicht.
Weitere Informationen gerne auf Anfrage oder in einem persönlichen Gespräch.

Motivation

Technologien der mobilen Robotik ermöglichen innovative Assistenzsysteme zur Unterstützung der Mobilität und Orientierung. Am FAPS wurden bereits zwei zentrale Systeme entwickelt: ein Assistenzsystem für blinde Personen sowie ein intelligenter Rollstuhl zur Unterstützung mobilitätseingeschränkter Nutzerinnen und Nutzer.

Reinforcement Learning (RL) bietet hierbei eine spannende Alternative zu klassischen, modellbasierten Pfadplanern. RL-basierte Systeme können durch Simulationen und reale Experimente lernen, eigenständig geeignete Navigationsstrategien zu entwickeln – auch ohne exakte mathematische Modelle. Besonders im Kontext der sozialen Navigation eröffnet RL neue Möglichkeiten: Das Verhalten gegenüber anderen Personen kann gezielt trainiert und hinsichtlich sozialer Akzeptanz optimiert werden. Darüber hinaus gewinnt der Komfort der mitfahrenden Personen zunehmend an Bedeutung – ein Aspekt, der in der bisherigen Forschung oft zu kurz kommt und im Rahmen dieser Arbeit vertieft untersucht werden soll.

Die Arbeit führt ein bestehendes Forschungsthema am FAPS fort und bietet Raum für kreative Weiterentwicklung. Inspiration liefern unter anderem folgende Veröffentlichungen:

– Human Comfort Factors in People Navigation: Literature Review, Taxonomy and Framework
– Learning Local Planners for Human-aware Navigation in Indoor Environments
– Crowd-Aware Robot Navigation for Pedestrians with Multiple Collision Avoidance Strategies via Map-based Deep Reinforcement Learning
– DRL-VO: Learning to Navigate Through Crowded Dynamic Scenes Using Velocity Obstacles
– HuNavSim 2.0
– Arena-rosnav

Am FAPS wurde bereits ein funktionierendes Framework zur RL-basierten Navigation für den intelligenten Rollstuhl entwickelt. Dieses bildet die Grundlage der Arbeit. Der Fokus liegt nun auf der Identifikation bestehender Schwächen, der Evaluation kritischer Navigationsszenarien und der gezielten Weiterentwicklung des Systems.

Ein möglicher Schwerpunkt der Arbeit liegt in der Untersuchung und Optimierung der Netzwerkarchitektur für Deep-Reinforcement-Learning-basierte Navigationsaufgaben. Ein weiterer Fokus kann auf der Erweiterung und Verbesserung der Simulationsumgebung mit NVIDIA Isaac Sim liegen, um realitätsnahe Trainingsbedingungen für soziale Navigation und Komfortbewertung zu schaffen.

Dabei können sowohl der soziale Aspekt der Navigation (z. B. Verhalten gegenüber Fußgängern) als auch der Komfort der Passagier:innen (z. B. Vermeidung ruckartiger Bewegungen) gezielt adressiert werden.
### Zielsetzung und Arbeitsschritte
– Einarbeitung in das Robot Operating System (ROS)
– Literaturrecherche zu RL-basierten Navigationsansätzen
– Einarbeitung in das bestehende Trainingsframework
– Implementierung eines eigenen Lösungsansatzes auf Basis von RL
– Validierung im Rahmen einer Simulationsumgebung und realer Tests

### Was wir bieten
– Praxisnahe Forschung im Bereich Robotik und Medizintechnik
– Möglichkeit zur Mitgestaltung eines realen Prototyps
– Zusammenarbeit mit einem interdisziplinären Team am FAPS
– Fachlicher Austausch mit anderen Studierenden
– Flexible Zeiteinteilung und individuelle Betreuung
– Relevante Erfahrungen für den Berufseinstieg in Forschung und Industrie
### Anforderungen & Bewerbung
– Vorkenntnisse in ROS sind vorteilhaft, aber nicht zwingend erforderlich
– Interesse an Robotik, KI und Mensch-Roboter-Interaktion
– Selbstständige, strukturierte Arbeitsweise
– Startzeitpunkt flexibel

Bewerbung bitte per E-Mail mit aktuellem Lebenslauf und Notenübersicht.
Weitere Informationen gerne auf Anfrage oder im persönlichen Gespräch.

Die charakterisierung additiv gefertigter elektrisch leitfähiger Strukturen erfolgt meist nur mittels elektrischer Kennwerte. Eine tiefgreifendere Charakterisierung erfordert in der Regel eine aufwändige Vorbehandlung mittels Focused-Ion-Beam-Abtragung und nachfolgende Raster-Elektronen-Mikroskopie. Das Laser-Akustik-Testsystem LAwave basiert auf dem Prinzip der laserinduzierten akustischen Oberflächenwellenspektroskopie. Dabei wird die frequenzabhängige Ausbreitungsgeschwindigkeit bestimmt, die direkt von der Schichtdicke, der Dichte und den effektiven elastischen Eigenschaften abhängt. Somit werden Materialfehler wie Poren, Risse und Delaminationen indirekt gemessen.

Ziel dieser Arbeit ist es, die Eignung des LAwave-Systems zur Analyse des Sintergrads additiv gefertigter Leiterbahnen zu bestimmen. Hierzu ist die Studienlage zu dieser Anwendung systematisch zu analysieren, ein Analyseansatz zu erarbeiten und durch entsprechende Experimente zu validieren.

Die Studierenden werden im Rahmen dieser Arbeit in die durchzuführenden Arbeiten eingewiesen und bei den ersten Versuchsdurchführungen begleitet.

Anforderungen

• Selbstständige, gewissenhafte Arbeitsweise
• Kommunikationsfähigkeit
• Sehr gute Deutsch oder Englischkenntnisse

Arbeitsinhalte

• Systematische Literaturrecherche zur laserinduzierten akustischen Oberflächenwellenspektroskopie
• Design von statistischen Versuchsplänen
• Durchführung von Experimenten zur Charakterisierung
• Statistische Auswertung der Ergebnisse

Bei Interesse

Für weitere Informationen kontaktieren Sie Christian Voigt.

Bewerbung per Email mit Lebenslauf und aktueller Notenübersicht an: Christian.Voigt@faps.fau.de

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Logistik oder zur photogrammetrischen Rekonstruktion von Gebäuden und Baustellen.

Für den effizienten und sicheren Einsatz ist es wünschenswert, dass die Drohnen ihre Aufgaben selbstständig erledigen, also autonom agieren. Dadurch wird es möglich mithilfe Agenten-basierter Navigation die Drohnen auf Basis von Reinforcement Learning Ansätzen hinsichtlich unterschiedlicher Kriterien zu optimieren. Die Agenten lernen dabei in modernen Simulatoren komplexe Verhaltensmuster.

Um die Übertragbarkeit eines in der Simulation trainierten Agenten auf die Realität problemlos zu ermöglichen, ist die Erforschung neuartiger Ansätze zur Überwindung der Kluft zwischen Simulation und Realität (Sim2Real-Transfer) notwendig.

Es gibt einige Abschlussarbeiten zum Thema Sim2Real Transfer zu vergeben. Darunter beispielsweise:

• Datenbasierte Modellbildung und Agententraining
• Systemanalyse und Quantifizierung der Sim2Real Gap
• KI-Basierte Flugsicherheit und Zustandsüberwachung

Weitere Informationen zu den einzelnen Themen erhalten Sie auf Anfrage.

 

Ziele und Arbeitsschritte

• Einarbeitung in ROS2 und die Programmierung autonomer Drohnen
• Anpassung der Simulationsumgebung und Training der Agenten
• Übertrag und Validierung auf realem System

Benefits

• Hands-On Erfahrung in der Entwicklung im Bereich Robotik
• Austausch mit anderen Studierenden am FAPS
• Einblicke in weitere Forschungsbereiche
• Anwendungsbezogene Arbeit für den Berufseinstieg
• Flexible Arbeitsweise

Hinweise zur Bewerbung

• Erste Erfahrung und Freude an der Programmierung
• Interesse am Robot Operating System (ROS2)
• Gute Englischkenntnisse erforderlich
• Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
• Selbstständige Arbeitsweise
• Beginn jederzeit möglich

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Logistik oder zur Erfassung und photogrammetrischen Rekonstruktion von Gebäuden und Baustellen.

Für den effizienten und sicheren Einsatz ist es wünschenswert, dass die Drohnen ihre Aufgaben selbstständig erledigen, also autonom agieren. Dadurch wird es möglich mithilfe Agenten-basierter Navigation die Drohnen hinsichtlich unterschiedlicher Kriterien zu optimieren.

In dieser Arbeit soll eine Modellbildung erfolgen, um die Dynamik eines Demonstrators (Hexacopter) vereinfacht in einer Simulation abbilden zu können und somit das Agententraining zu verbessern.

Ziele und Arbeitsschritte

• Einarbeitung in ROS2 und die Programmierung autonomer Drohnen
• Aufnahme von Daten mit realer Drohne und in der Simulation
• Modellbildung mittels neuartiger Modellbildungs-Ansätze

Benefits

• Hands-On Erfahrung in der Entwicklung im Bereich Robotik
• Austausch mit anderen Studierenden am FAPS
• Einblicke in weitere Forschungsbereiche
• Anwendungsbezogene Arbeit für den Berufseinstieg
• Flexible Arbeitsweise

Hinweise zur Bewerbung

• Programmiererfahrung in Python und/oder C++
• Vorkenntnisse mit dem ROS2, Reinforcement Learning oder Regelungstechnik sind von Vorteil
• Gute Englischkenntnisse sind erforderlich
• Beginn jederzeit möglich
• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Intralogistik oder zur Erfassung digitaler Lagebilder.

Für den effizienten und sicheren Einsatz ist es wünschenswert, dass die Drohnen ihre Aufgaben selbstständig erledigen, also autonom agieren. Durch den autonomen Betrieb wird es möglich mithilfe geeigneter Navigation die Drohnen beispielsweise hinsichtlich ihres Energieverbrauchs zu optimieren. Hierfür ist die Erforschung robotischer Infrastrukturen (Robot Operating System 2), Computer-Vision, neuartiger KI-Modelle und Reinforcement Learning erforderlich. Zudem sind Hardwareaspekte, wie ein stabiler Aufbau des Flugroboters sowie die Ausstattung mit entsprechender Sensorik zu beachten.

Am Flugfeld des Lehrstuhl FAPS sind verschiedene Themen für Bachelor- und Masterarbeiten in den oben genannten Bereichen zu vergeben. Voraussetzung ist die Motivation zur selbständigen Einarbeitung in die Programmierung von Flugrobotern. Weitere Informationen erhalten Sie auf Anfrage per E-Mail.

Hinweise zur Bewerbung

• Freude an der Programmierung
• Interesse am Robot Operating System
• Gute Englischkenntnisse erforderlich
• Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
• Selbstständige Arbeitsweise
• Beginn jederzeit möglich

• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
• Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden