Student-/in Multi-Agent Deep Reinforcement Learning für UAV's (w/m/d)
Vor 30+ TagenDas könntest du laut kununu User:innen als Absolvent:in in Forschung/Entwicklung verdienen
Der Stellenanzeigentext wurde mithilfe von kununu intelligence (ki) analysiert und strukturiert.
Deine Aufgaben
In diesem Rahmen ergeben sich in unseren Forschungsprojekten viele spannende Fragestellungen, die sowohl als Praktikum als auch als Masterarbeit bearbeitet werden können – bitte gib Deine Präferenz im Bewerbungsanschreiben an.
Konkret umfasst die Aufgabenstellung die folgenden Teilaufgaben, wobei die konkrete Ausgestaltung je nach Deinen Interessensgebieten und Erkenntnissen im Rahmen unserer Forschungsprojekte angepasst werden kann.
- Einarbeitung in eine Multi-Agent Reinforcement Learning Trainingsumgebung
- Ggf. Erweiterungen der Trainingsumgebung um für UAV relevante Features
- Literaturrecherche zu Methoden des Multi-Agent Reinforcement Learning
- Training von Multi-Agent Reinforcement Learning Agenten
- Evaluation der trainierten Agenten, inkl. ihrer Stärken und Schwächen
- Dokumentation der Ergebnisse und ggf. erste Mitarbeit an wissenschaftlichen Veröffentlichungen
Dein Profil
- Laufendes Hochschulstudium im Bereich Informatik, Robotik, Luft- und Raumfahrt, Mathematik oder vergleichbarem (Master)
- Programmierkenntnisse (Python)
- Erste Kenntnisse in den Bereichen Deep Learning und (Multi-Agent) Reinforcement Learning
- Erste Erfahrung im Training und der Evaluation von (Multi-Agent) Reinforcement Learning sowie in der Nutzung von (Multi-Agent) Reinforcement Learning Bibliotheken
- Freude an unabhängiger, selbstständiger Arbeit und der Bearbeitung wissenschaftlicher Fragestellungen
Über den Arbeitgeber
Wir in der Abteilung für unbemannte Luftfahrzeuge (UAVs) erforschen innovative Methoden der Künstlichen Intelligenz und des Deep Learning, um UAVs intelligenter und sicherer zu machen. Den bemerkenswerten Erfolg von Multi-Agent Deep Reinforcement Learning in vielen komplexen Aufgaben - von Brettspielen bis hin zu komplexen Computerspielen und Robotersteuerungen - wollen wir dabei gezielt auf UAVs übertragen und dessen praktische Nutzbarkeit für reale Missionen erproben.
Beispielhafte Anwendungen umfassen dabei unter anderem die Koordination von verschiedenen UAVs in einem Schwarm, die Kollisionsvermeidung von UAVs in der Nähe eines Flughafens oder auch die kooperative Routenplanung bei Search-and-Rescue Operationen. Darauf aufbauend ergeben sich viele interessante Fragestellungen, wie z.B. die Skalierbarkeit bei steigender Agentenzahl, die Anpassungsfähigkeit an dynamische Umgebungen, der Einfluss von Kommunikationsmethoden und Latenzen auf die Schwarm-Koordination, die Interoperabilität heterogener Plattformen (Multicopter, Fixed-Wing Luftfahrzeuge, …) und die Übertragbarkeit aus der Simulation in den realen Flugversuch.
Bewerbungsprozess
Wir freuen uns auf Deine Bewerbung!
Das erwartet dich
Wir in der Abteilung für unbemannte Luftfahrzeuge (UAVs) erforschen innovative Methoden der Künstlichen Intelligenz und des Deep Learning, um UAVs intelligenter und sicherer zu machen. Den bemerkenswerten Erfolg von Multi-Agent Deep Reinforcement Learning in vielen komplexen Aufgaben - von Brettspielen bis hin zu komplexen Computerspielen und Robotersteuerungen - wollen wir dabei gezielt auf UAVs übertragen und dessen praktische Nutzbarkeit für reale Missionen erproben.
Beispielhafte Anwendungen umfassen dabei unter anderem die Koordination von verschiedenen UAVs in einem Schwarm, die Kollisionsvermeidung von UAVs in der Nähe eines Flughafens oder auch die kooperative Routenplanung bei Search-and-Rescue Operationen. Darauf aufbauend ergeben sich viele interessante Fragestellungen, wie z.B. die Skalierbarkeit bei steigender Agentenzahl, die Anpassungsfähigkeit an dynamische Umgebungen, der Einfluss von Kommunikationsmethoden und Latenzen auf die Schwarm-Koordination, die Interoperabilität heterogener Plattformen (Multicopter, Fixed-Wing Luftfahrzeuge, …) und die Übertragbarkeit aus der Simulation in den realen Flugversuch.
In diesem Rahmen ergeben sich in unseren Forschungsprojekten viele spannende Fragestellungen, die sowohl als Praktikum als auch als Masterarbeit bearbeitet werden können – bitte gib Deine Präferenz im Bewerbungsanschreiben an. Wir freuen uns auf Deine Bewerbung!
Konkret umfasst die Aufgabenstellung die folgenden Teilaufgaben, wobei die konkrete Ausgestaltung je nach Deinen Interessensgebieten und Erkenntnissen im Rahmen unserer Forschungsprojekte angepasst werden kann.
Deine Aufgaben
- Einarbeitung in eine Multi-Agent Reinforcement Learning Trainingsumgebung
- Ggf. Erweiterungen der Trainingsumgebung um für UAV relevante Features
- Literaturrecherche zu Methoden des Multi-Agent Reinforcement Learning
- Training von Multi-Agent Reinforcement Learning Agenten
- Evaluation der trainierten Agenten, inkl. ihrer Stärken und Schwächen
- Dokumentation der Ergebnisse und ggf. erste Mitarbeit an wissenschaftlichen Veröffentlichungen
Das bringst du mit
- Laufendes Hochschulstudium im Bereich Informatik, Robotik, Luft- und Raumfahrt, Mathematik oder vergleichbarem (Master)
- Programmierkenntnisse (Python)
- Erste Kenntnisse in den Bereichen Deep Learning und (Multi-Agent) Reinforcement Learning
- Erste Erfahrung im Training und der Evaluation von (Multi-Agent) Reinforcement Learning sowie in der Nutzung von (Multi-Agent) Reinforcement Learning Bibliotheken
- Freude an unabhängiger, selbstständiger Arbeit und der Bearbeitung wissenschaftlicher Fragestellungen
Ähnliche Jobs, die dich interessieren könnten
