Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Intralogistik 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 KI-basierter Navigation die Drohnen hinsichtlich unterschiedlicher Kriterien wie deren akustischer Einwirkung auf den Menschen oder ihres Energieverbrauchs zu optimieren.

Um dieses Ziel zu erreichen, verwenden wir am Lehrstuhl FAPS für das Training unserer Reinforcement Learning basierten Agenten das open-source Simulationsprogramm Gazebo in Kombination mit dem Robot Operating System (ROS2). Da die KI-basierte Navigation sehr fehleranfällig ist, ist ein Transfer eines Agenten auf eine reale Drohne nur möglich, wenn der Agent sehr robust und unter realitätsnahen Bedingungen (Wind, Hindernisse, Sensorrauschen, Passanten, etc.) trainiert wurde.

Ziel dieser Arbeit ist es die Trainingsbedingungen für einen bereits bestehenden Reinforcement Learning Agenten durch Anpassung der Simulation zu erschweren und ihn hinsichtlich seiner Robustheit zu trainieren.

Ziele und Arbeitsschritte

• Literaturrecherche zur Simulation-to-real Gap bezüglich Reinforcement Learning in der Robotik
• Einarbeitung in ROS2 und die Programmierung autonomer Drohnen
• Einarbeitung in Reinforcement Learning
• Bewertung gefundener Konzepte und Implementierung in der Simulationssoftware
• Transfer und Test an realer Drohne bei ausreichender Robustheit

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 oder C++ erforderlich
• Vorkenntnisse mit dem ROS, Gazebo und PyTorch sind von Vorteil
• Gute Englischkenntnisse erforderlich
• Beginn ist jederzeit möglich
• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf (unvollständige Bewerbungen werden nicht berücksichtigt)
• Weitere Informationen auf Anfrage per Mail oder gerne im persönlichen Gespräch

Kategorien:

Kontakt: