Hintergrund:
Die ausgeschriebene Arbeit ist Teil eines Forschungsprojektes zur Optimierung der Energieeffizienz sowie der Akustik von autonomen Drohnen. Dabei werden ein Leistungsmodul sowie akustische Messaufnehmer an die Arme der Drohne angebracht, um somit Eingangssignale für einen Reinforcement Learning Algorithmus zu erhalten. Anhand geschicktem Reward-Shaping sollen mithilfe der KI die beiden Optimierungsgrößen innerhalb von zwei Modi (energieeffiziente und akustisch-effiziente Pfadplanung) verbessert werden.
Aufgaben:
Im Rahmen dieser Arbeit wird das Projekt dahingehend unterstützt, dass Messungen in spezifizierten Arbeitspunkten erfolgen. Die erzeugten Daten sollen anschließend eingehend analysiert werden, um die Korrelation zwischen einzelnen Zustandsgrößen und der emittierten Drohnenlautstärke nachzuweisen. Die gewonnenen Erkenntnisse dienen einer verallgemeinerten Beschreibung der Kopplung zwischen der Roboterkinematik und dem akustischen Verhalten. Abschließend ist der gefundene Zusammenhang in einem ROS2-Knoten umzusetzen, sodass in einer Gazebo-Simulation das akustische Verhalten des Roboters abgebildet werden kann.
Voraussetzungen:
Bewerber*innen sollten bei Interesse an der Arbeit mit dem Umgang mit MATLAB/Simulink vertraut sein. Ebenso sind Grundlagen mit ROS2 und Gazebo von Vorteil.