Ausgangssituation:
Autonome Systeme gewinnen in komplexen Einsatzbereichen wie der Baurobotik und Landwirtschaft zunehmend an Bedeutung. In diesen Einsatzbereichen müssen solche Systeme in der Lage sein, ihre Umgebung zuverlässig wahrzunehmen, um sicher und intelligent mit ihr zu interagieren. Hierfür kommen KI-basierte Computer-Vision-Systeme zum Einsatz, die Sensordaten aus multimodalen Quellen durch komplexe Transformer-Architekturen auswerten.
Insbesondere die Kombination von Kamera, Radar und LiDAR ermöglicht eine robuste Umgebungswahrnehmung auch unter schwierigen Umweltbedingungen wie Staub, Regen oder schlechten Lichtverhältnissen. Für die Entwicklung dieser komplexen KI Modelle sind große und hochqualitative Trainingsdatensätze erforderlich.
In diesen multimodalen Anwendungen fehlen jedoch effiziente Prozesse zur systematischen Aufnahme, Synchronisation und Aufbereitung der Sensordaten. Ziel dieser Arbeit ist daher die Entwicklung einer Dataset Pipeline, mit der ein strukturierter Datensatz mit etwa 10.000 multimodalen Trainingsbeispielen mit geringem menschlichen Aufwand erzeugt werden kann.
-
Einarbeitung in den Stand der Technik des Datenmanagements und der automatisierten Datenannotation
-
Analyse der vorhandenen Sensorik und Datenquellen im Versuchssystem
-
Konzeption einer Pipeline zur Aufnahme und Synchronisation von Sensordaten aus Kamera, Radar und LiDAR
-
Implementierung einer Pipeline zur automatisierten Datenerfassung und dateneffizienten Speicherung der Daten
-
Entwicklung eines (teilautomatisieren) Workflows zur Annotation der Trainingsdaten
- Exemplarische Erstellung eines multimodalen Datensatzes mit etwa 10.000 Trainingssamples
-
Strukturierte Dokumentation und Präsentation der Ergebnisse
Vorkenntnisse:
- Interesse an autonomen Systemen, neuronalen Netzen und künstlicher Intelligenz
- Grundlegende Programmierkenntnisse in Python und ROS2 von Vorteil, aber nicht erforderlich
- 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)