Index

BA/PA/MA: Optimierung der Roboterpose mit Hilfe von Quantencomputern

Ausgangssituation und Beschreibung

In der industriellen Robotik entscheidet die Wahl der Roboterpose über Energieverbrauch, Präzision und Kollisionsfreiheit. Mit steigender Komplexität stoßen klassische Optimierer zunehmend an Grenzen, da die Lösungsräume teils exponentiell anwachsen und die Integration zahlreicher Nebenbedingungen oft zu Rechenengpässen auf klassischer Hardware führt. Quantenbasierte Optimierungsverfahren (z. B. QAOA, VQE oder Quantum Annealing) bieten hier neue Möglichkeiten, die Pose durch einen Quantenschaltkreis darzustellen und anschließend effizienter zu lösen.

Im Zuge dieses Projekts sollen zunächst etablierte Methoden zur Quantenoptimierung der Roboterpose untersucht, praktisch erprobt, verglichen und anschließend erweitert werden (neue/größere Anwendungsfälle, weitere Algorithmen, …). Ziel ist es, zu untersuchen, inwieweit Quantenverfahren zu einer effizienteren und robusteren Auswahl von Posen beitragen können und ob dadurch qualitativ bessere Ergebnisse im Vergleich zu klassischen Methoden erzielt werden. Zudem ist die Erstellung einer wiederverwendbaren und modular erweiterbaren Anwendung, die als Grundlage für künftige Forschungs- und Industrieprojekte dienen kann wichtig.

Vorkenntnisse und Anforderungen

  • Sehr gute Deutsch- oder Englischkenntnisse

  • Selbstständige, strukturierte Arbeitsweise und sichere Literaturrecherche

  • Gute Python-Skills

  • Grundkenntnisse in Optimierung/OR oder Robotik von Vorteil

  • (Optional, vorteilhaft) Erfahrung mit Quantencomputing

Bewerbung

Bitte senden Sie Ihre aussagekräftigen Unterlagen (Lebenslauf und vollständige Notenübersicht) per E-Mail ein.

BA/PA/MA: Entwicklung einer echtzeitfähigen XAI-Methodik für das autonome Fahren

Ausgangssituation:

Moderne mobile Arbeitsmaschinen stellen durch hohe Antriebsleistungen und Einsatzgewichte besondere Anforderungen an eine sichere und robuste Automatisierungstechnik. Die langjährige Analyse physikalischer Effekte auf mechatronische Komponenten ermöglicht den Einsatz vielfältiger Sensorsysteme zur Erfassung von Umgebungsinformationen. Die Verarbeitung dieser umfangreichen Datenmengen erfolgt zunehmend durch künstliche neuronale Netze. Allerdings stehen aktuelle Technologien vor der Herausforderung, diese Netze robust, sicher und effizient zu gestalten.

Ziel dieser Abschlussarbeit ist die Entwicklung einer strukturierten Methode, die eine echtzeitfähige Analyse und Überwachung von KI-Anwendungen ermöglicht. Hierfür sollen Methoden aus dem Bereich “explainable AI” zum Einsatz kommen, um die Transparenz & Robustheit dieser KI-Anwendungen zu steigern.

Aufgabenschwerpunkte:

  • Einarbeitung in den Stand der Technik zu autonomen mobilen Systemen und künstlicher Intelligenz
  • Untersuchung und Evaluierung von bestehende Methoden zur Steigerung von Robustheit und Transparenz
  • Entwicklung einer echtzeitfähigen & leistungsfähigen Methodik
  • Nutzung von Tools und Frameworks zur Umsetzung dieser Methodik in einem mobilen Robotersystem (ROS2, PyTorch)
  • Statistische Auswertung der Ergebnisse anhand branchenüblicher Metriken
  • Strukturierte Dokumentation und Präsentation der Ergebnisse

Vorkenntnisse:

  • Interesse an autonomen Fahrzeugen und neuronalen Netzen
  • Interesse an Datenauswertung und KI-Architekturen
  • Grundlegende Programmierkenntnisse in Python, C++ und ROS2 von Vorteil
  • Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

BA/PA/MA: Entwicklung einer multimodale Sensorfusionsarchitektur für mobile Robotersysteme auf Basis von Transformer-basierten Mid-Level Fusionsarchitekturen

Ausgangssituation:

Moderne mobile Arbeitsmaschinen stellen durch hohe Antriebsleistungen und Einsatzgewichte besondere Anforderungen an eine sichere und robuste Automatisierungstechnik. Die langjährige Analyse physikalischer Effekte auf mechatronische Komponenten ermöglicht den Einsatz vielfältiger Sensorsysteme zur Erfassung von Umgebungsinformationen. Die Verarbeitung dieser umfangreichen Datenmengen erfolgt zunehmend durch künstliche neuronale Netze. Allerdings stehen aktuelle Technologien vor der Herausforderung, diese Netze robust, sicher und effizient zu gestalten.

Im Rahmen des Forschungsprojekts POV.OS wird hierfür eine innovative Automatisierungsplattform mit offener Hardware- und Softwarearchitektur entwickelt, die den Einsatz und die Funktionalisierung mobiler Arbeitsmaschinen erleichtert. Ziel dieser Abschlussarbeit ist, die Entwicklung einer multimodalen Sensorfusionsarchitektur auf Basis von Transformer-basierten Mid-Level Datenfusionsarchitekturen. Hierfür sollen verschiedene Attention-Konzepte kombiniert werden, sodass die Integration verschiedener Sensorik (Kamera, Lidar, Radar) durch einen lernenden Ansatz ermöglicht wird.

Aufgabenschwerpunkte:

  • Einarbeitung in den Stand der Technik zu autonomen mobilen Systemen und künstlicher Intelligenz
  • Untersuchung und Evaluierung von bestehende Methoden zur Mid-Level Datenfusion
  • Entwicklung einer modularen und skalierbaren Fusionsarchitektur
  • Nutzung Tools und Frameworks zur Umsetzung dieser Methodik am Beispiel autonome Arbeitsmaschinen (ROS2, PyTorch)
  • Statistische Auswertung der Ergebnisse anhand branchenüblicher Metriken
  • Strukturierte Dokumentation und Präsentation der Ergebnisse

Vorkenntnisse:

  • Interesse an autonomen Fahrzeugen und neuronalen Netzen
  • Interesse an Datenauswertung und KI-Architekturen
  • Grundlegende Programmierkenntnisse in Python, C++ und ROS2 von Vorteil
  • Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

BA/PA/MA: Modellbildung, Systemanalyse und KI-Basierte Flugsicherheit für autonome Drohnen zum sicheren Sim2Real Transfer Agenten-basierter Systeme

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

Abschlussarbeit zu autonomen Drohnen

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

BA/PA/MA: Nutzung von Quantenalgorithmen zur Unterstützung der (Material-)Simulation

Ausgangssituation und Beschreibung

In den Ingenieur- und Materialwissenschaften spielt die Nutzung von Simulationen als digitaler Zwilling eine zentrale Rolle. Mit zunehmender Systemkomplexität stoßen klassische Rechnerarchitekturen jedoch an ihre Leistungsgrenzen.

Quantenalgorithmen können hier neue Wege eröffnen. Durch ihre grundlegend andere Art, Rechenprobleme zu bearbeiten, ermöglichen sie innovative Ansätze für die Simulation hochkomplexer Systeme. Ziel ist es daher, das Potenzial quantenbasierter Verfahren zur Unterstützung und Erweiterung klassischer Simulationsmethoden zu untersuchen.

Dieser Forschungsrahmen soll im Rahmen verschiedener Abschlussarbeiten (BA/PA/MA) vertieft werden. Die genaue thematische Ausrichtung der Arbeiten wird nach einer kurzen Einarbeitungsphase festgelegt und orientiert sich an der Anwendung von Quantenalgorithmen in der Simulation, z. B. bei Optimierungsproblemen oder Materialmodellierungen.

 

Vorkenntnisse und Anforderungen

  • sehr gute Deutsch- oder Englischkenntnisse
  • selbstständige Arbeitsweise
  • Erfahrung mit Literaturrecherchen
  • gute Programmierkenntnisse in Python
  • (optional aber Vorteilhaft) Vorkenntnisse zum Thema Quantencomputing, Materialwissenschaft oder Simulation

 

Bewerbung
Bitte senden Sie Ihre aussagekräftigen Unterlagen (Lebenslauf und vollständige Notenübersicht) per E-Mail ein.

Modellbildung und Abstraktion der Flugdynamik einer autonomen Drohne

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

BA/MA: Reinforcement Learning basierte Navigation für autonome Drohnen

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 auf Basis von Reinforcement Learning Ansätzen hinsichtlich unterschiedlicher Kriterien zu optimieren.

In dieser Arbeit soll ein Agent in einer Simulationsumgebung trainiert werden, um optimierte Flugpfade zu erlernen. Bei ausreichender Robustheit soll die Performance des Agenten auf einem realen System validiert werden.

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
  • Gute Englischkenntnisse erforderlich
  • Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
  • Selbstständige Arbeitsweise
  • Beginn jederzeit möglich

PA/MA – Integration eines Vision-Language-Modells in die Navigation eines intelligenten Rollstuhls

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.

BA/PA/MA – Entwicklung eines Mixed-Reality-Demonstrators für die komfortorientierte Navigation eines intelligenten Rollstuhls

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.