Bachelorarbeit, Diplom-/Masterarbeit, Studien-/Projektarbeit
Bewertung von Fahrtrajektorien mithilfe von DTW Algorithmen
Beginn Nach Vereinbarung
Thema Industrie 4.0, Künstliche Intelligenz, Fahrerlose Transportfahrzeuge
Bewerbung Deine aussagekräftige Bewerbung enthält Anschreiben, Lebenslauf sowie Prüfungsleistungen des Studiums / Zeugnisse.
Bitte sende die Unterlagen in einer einzigen PDF-Datei an jobs@iph-hannover.de
Die meisten Fahrzeuge in der Intralogistik werden manuell gefahren, da menschliche Fahrer*innen den automatisierten Systemen aus heutiger Sicht in vielerlei Hinsicht überlegen sind. Um die menschlichen Fähigkeiten für automatisierte Systeme nutzbar zu machen, soll das menschliche Fahrverhalten in einer Logistikumgebung simuliert und zur Generierung synthetischer Datensätze genutzt werden. Darauf aufbauend soll ein FFZ über Imitation Learning befähigt werden, Fahrbewegungen auf Basis des impliziten Wissens erfahrener Fahrer*innen autonom auszuführen.
Deine Aufgaben
Ziel deiner Arbeit ist die Analyse und anschließende Bewertung der Unterschiede zwischen menschlichen Expertenfahrtrajektorien und Fahrtrajektorien, die durch ein Imitation-Learning-Modell gefahren wurden. Für die Analyse soll der Dynamic Time Warping (DTW) Algorithmus verwendet werden. Dieser wird traditionell für das Finden von Ähnlichkeiten in Signalen verwendet, welche sich in ihrer Geschwindigkeit unterscheiden, wie beispielsweise bei der Spracherkennung.
Diese Arbeitspakete sind Bestandteil:
Du studierst eines der folgenden Fächer:
Wir bieten
Die Bewerbung muss Anschreiben, Lebenslauf sowie Prüfungsleistungen des Studiums / Zeugnisse enthalten.
Beginn Nach Vereinbarung
Thema Industrie 4.0, Künstliche Intelligenz, Fahrerlose Transportfahrzeuge
Bewerbung Deine aussagekräftige Bewerbung enthält Anschreiben, Lebenslauf sowie Prüfungsleistungen des Studiums / Zeugnisse.
Bitte sende die Unterlagen in einer einzigen PDF-Datei an jobs@iph-hannover.de
Die meisten Fahrzeuge in der Intralogistik werden manuell gefahren, da menschliche Fahrer*innen den automatisierten Systemen aus heutiger Sicht in vielerlei Hinsicht überlegen sind. Um die menschlichen Fähigkeiten für automatisierte Systeme nutzbar zu machen, soll das menschliche Fahrverhalten in einer Logistikumgebung simuliert und zur Generierung synthetischer Datensätze genutzt werden. Darauf aufbauend soll ein FFZ über Imitation Learning befähigt werden, Fahrbewegungen auf Basis des impliziten Wissens erfahrener Fahrer*innen autonom auszuführen.
Deine Aufgaben
Ziel deiner Arbeit ist die Analyse und anschließende Bewertung der Unterschiede zwischen menschlichen Expertenfahrtrajektorien und Fahrtrajektorien, die durch ein Imitation-Learning-Modell gefahren wurden. Für die Analyse soll der Dynamic Time Warping (DTW) Algorithmus verwendet werden. Dieser wird traditionell für das Finden von Ähnlichkeiten in Signalen verwendet, welche sich in ihrer Geschwindigkeit unterscheiden, wie beispielsweise bei der Spracherkennung.
Diese Arbeitspakete sind Bestandteil:
- Literaturrecherche bzgl. der Anwendung von DTW für die Trajektorienbewertung
- Aufstellen von geeigneten Bewertungskriterien
- Softwaretechnische Umsetzung des DTW-Algorithmus (Python)
- Analyse gegebener Fahrtrajektorien mithilfe des umgesetzten DTW-Algorithmus
- Bewertung der Unterschiede zwischen den Trajektorien anhand der Kriterien.
- Einschätzung über die Eignung von DTW zur Bewertung von Fahrtrajektorien
Du studierst eines der folgenden Fächer:
- Informatik
- Datenwissenschaften
- Maschinenbau
- Mechatronik
- Elektrotechnik
- oder ähnliches
- Gute Deutschkenntnisse in Wort und Schrift vorweisen kannst
- Gute Programmierkenntnisse in Python sowie der Datenanalyse (z. B. NumPy, pandas, matplotlib) mitbringst
- Erfahrung mit ROS/ROS2, Git und Linux (Ubuntu) hast
Wir bieten
- eigenverantwortliches Arbeiten
- enge Betreuung
- gut ausgestattete Arbeitsplätze
- ggf. langfristige Zusammenarbeit
Die Bewerbung muss Anschreiben, Lebenslauf sowie Prüfungsleistungen des Studiums / Zeugnisse enthalten.
Requirements
Gute Programmierkenntnisse in Python sowie der Datenanalyse (z. B. NumPy, pandas, matplotlib)
