Index

Ausgangssituation und Beschreibung

Lithographie ist ein zentrales Verfahren der modernen Mikro- und Nanostrukturierung und bildet die Grundlage zahlreicher Anwendungen in Mikroelektronik, Sensorik und photonischen Systemen. Neben etablierten optischen Lithographieverfahren wird zunehmend die Nutzung von Röntgenstrahlung als potenzieller Ansatz wieder interessanter, um hochauflösende Strukturierung zu ermöglichen und neue technologische Entwicklungsrichtungen zu erschließen.

Gleichzeitig ist der aktuelle Stand von Forschung und Technik zur röntgenbasierten Lithographie über verschiedene Disziplinen und Quellen verteilt. Viele Fragestellungen betreffen unter anderem physikalische Wirkmechanismen, Prozessvarianten, technische Voraussetzungen, Einschränkungen sowie potenzielle Anwendungsszenarien. Dadurch besteht Bedarf an einer strukturierten Aufarbeitung und Einordnung der vorhandenen Literatur.

Ziel des geplanten Projekts ist es, im Rahmen einer studentischen Abschlussarbeit (BA/PA) eine systematische Literaturarbeit zur Nutzung von Röntgenstrahlung in lithographischen Verfahren durchzuführen. Die Arbeit soll relevante wissenschaftliche und ggf. industrielle Quellen identifizieren, klassifizieren und gegenüberstellen. Auf dieser Basis sollen der Stand der Technik, zentrale Herausforderungen sowie Potenziale und Grenzen der Technologie herausgearbeitet und diskutiert und anhand eines möglichen Use-Cases ausgearbeitet werden.

Vorkenntnisse und Anforderungen

• sehr gute Deutsch- oder Englischkenntnisse

• selbstständige, strukturierte Arbeitsweise

• Erfahrung mit Literaturrecherche (wissenschaftliche und ggf. industrielle Quellen)

• Interesse an Lithographie, Mikro-/Nanofabrikation

• Fähigkeit zur strukturierten wissenschaftlichen Aufbereitung und Argumentation

Bewerbung

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

Situation und Motivation

Humanoide Roboter haben in den letzten Jahren einen deutlichen Entwicklungsschub erfahren. Erste Systeme mit grundlegenden Funktionen sind bereits kommerziell verfügbar. Für einen zielgerichteten Einsatz in Produktions- und Logistikumgebungen ist jedoch die zuverlässige Ausführung komplexer Fähigkeiten wie Wahrnehmung, Manipulation und koordinierte Fortbewegung erforderlich.

Simulationsumgebungen spielen hierbei eine zentrale Rolle, da sie die Entwicklung und Erprobung von Steuerungs- und Bewegungsstrategien ohne das Risiko für physische Hardware ermöglichen. NVIDIA Isaac Sim bietet hierfür eine leistungsfähige Plattform zur realitätsnahen Simulation. Ergänzend ermöglicht Isaac Lab die effiziente Entwicklung und Validierung von Bewegungsabläufen mittels Reinforcement Learning (RL).

Zielsetzung

Kern der Arbeit ist der Aufbau einer realitätsnahen Simulationsumgebung für den Unitree G1 in NVIDIA Isaac Sim. Dabei soll eine ROS2-Schnittstelle zur Steuerung aufgesetzt und eine Reinforcement-Learning-Pipeline entwickelt werden. Das finale Ziel ist die erfolgreiche Validierung der Umgebung in einem Anwendungsbeispiel.

Mögliche Aufgabenpakete

• Einarbeitung in ROS2, Isaac Sim, Isaac Lab
• Auswahl, Import und Anpassung eines geeigneten humanoiden Robotermodells in Isaac Sim
• Implementierung einer ROS2-Schnittstelle
• Aufsetzen einer Pipeline für RL
• Testen bekannter RL-Ansätze bei z. B. Manipulationsaufgaben
• Demonstration einer Beispielaufgabe in der Simulation

Was wir bieten

• Praxisnahe Forschung im Bereich humanoider Robotik
• Möglichkeit zur aktiven Mitgestaltung zukünftiger Einsatzszenarien humanoider Roboter in Unternehmen
• Zusammenarbeit in einem interdisziplinären Team am FAPS
• Fachlicher Austausch mit anderen Studierenden und wissenschaftlichen Mitarbeitenden
• Flexible Zeiteinteilung und individuelle Betreuung
• Erwerb relevanter Kompetenzen für den Berufseinstieg in Forschung und Industrie

Anforderungen und Bewerbung

Voraussetzungen:

• Grundlegende Programmierkenntnisse (z. B. Python, C++)
• Interesse an Robotik, Simulation und autonomen Systemen
• Grundlegende Kenntnisse im Bereich Machine Learning
• Kenntnisse in mindestens einem der drei Systeme (ROS2, Isaac Lab, Isaac Sim)
• Selbstständige und strukturierte Arbeitsweise

Wünschenswert, aber nicht zwingend erforderlich:

• Vorkenntnisse in ROS2
• Erste Erfahrungen mit Reinforcement Learning (gegebenenfalls in Isaac Lab)
• Erste Erfahrungen mit NVIDIA Isaac Sim oder vergleichbaren Simulationsumgebungen

Der Startzeitpunkt ist flexibel.

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

 

Situation und Motivation

Humanoide Roboter haben in den letzten Jahren einen deutlichen Entwicklungsschub erfahren. Erste humanoide Robotersysteme mit grundlegenden Funktionen sind bereits kommerziell verfügbar.
Für einen zielgerichteten Einsatz humanoider Roboter in Produktions- und Logistikumgebungen ist jedoch die zuverlässige Ausführung grundlegender Fähigkeiten, wie Wahrnehmung, Manipulation und koordinierter Bewegungen, erforderlich.

Insbesondere die Pfadplanung muss passend zur Umgebung passieren. Weiterhin erfordern komplexe Umgebungen hohe Positionierungsgenauigkeiten.

Zielsetzung

In dieser Arbeit soll ein Konzept zur Pfadplanung für humanoide Roboter am Beispiel des G1 von Unitree entwickelt werden. Mithilfe von NAV2 sollen Kartenerstellung und Pfadplanung innerhalb komplexer Umgebungen ermöglicht werden. Das Konzept soll an einem Beispielfall getestet werden und Informationen über die Positionierungsgenauigkeit ermöglichen.

Mögliche Aufgabenpakete

• Einarbeitung in ROS2 und NAV2
• Integration des humanoiden Roboters in NAV2
• Integration und Testen der Pfadplanung in einer Simulation
• Pfadplanung für ein Beispiel aus der Produktion
• Messen der Positionierungsgenauigkeit
• Exploration von Parametern zur Verbesserung der Genauigkeit
• Auswerten des Pfadplanungskonzepts

Was wir bieten

• Praxisnahe Forschung im Bereich humanoider Robotik
• Möglichkeit zur aktiven Mitgestaltung zukünftiger Einsatzszenarien humanoider Roboter in Unternehmen
• Zusammenarbeit in einem interdisziplinären Team am FAPS
• Fachlicher Austausch mit anderen Studierenden und wissenschaftlichen Mitarbeitenden
• Flexible Zeiteinteilung und individuelle Betreuung
• Erwerb relevanter Kompetenzen für den Berufseinstieg in Forschung und Industrie

Anforderungen und Bewerbung

Voraussetzungen:

• Grundlegende Programmierkenntnisse (z. B. Python, C++)
• Interesse an Robotik, Simulation und autonomen Systemen
• Kenntnisse in mindestens einem der zwei Systeme (ROS2, NAV2)
• Selbstständige und strukturierte Arbeitsweise

Wünschenswert, aber nicht zwingend erforderlich:

• Vorkenntnisse in ROS2
• Vorkenntnisse in NAV2
• Erste Erfahrungen mit NVIDIA Isaac Sim oder vergleichbaren Simulationsumgebungen

Der Startzeitpunkt ist flexibel.

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

 

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

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
• Flugsteuerung und Planung von Test-Trajektorien zur Erfassung der Systemdynamik
• 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 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

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.

Aufgabenschwerpunkte:

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)

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.

Aufgabenschwerpunkte:

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)