Blätter-Navigation

Of­f­re 452 sur 501 du 27/01/2020, 14:48

logo

FZI- For­schungs­zen­trum Infor­ma­tik

Das FZI For­schungs­zen­trum Infor­ma­tik ist eine gemein­nüt­zige Ein­rich­tung für Infor­ma­tik-Anwen­dungs­for­schung und Tech­no­lo­gie­trans­fer. Es bringt die neu­es­ten wis­sen­schaft­li­chen Erkennt­nisse der Infor­ma­ti­ons­tech­no­lo­gie in Unter­neh­men und öffent­li­che Ein­rich­tun­gen und qua­li­fi­ziert junge Men­schen für eine aka­de­mi­sche und wirt­schaft­li­che Kar­riere oder den Sprung in die Selbst­stän­dig­keit.

MAS­TER­AR­BEIT

Daten­ba­sierte Ermitt­lung der Abde­ckung von Test­sze­na­rien für auto­nome Fahr­zeuge

Auf­ga­ben­be­sch­rei­bung:

Die Ent­wick­lung auto­no­mer Fahr­funk­tio­nen folgt dem Prin­zip Sense-Plan-Act. Für das Sen­sing, also die
Per­zep­tion der Fahr­zeug­um­ge­bung, wer­den heut­zu­tage ver­stärkt maschi­nelle Lern­ver­fah­ren und
neu­ro­nale Netze / KI-basierte Ver­fah­ren ein­ge­setzt. Diese müs­sen auf rea­lis­ti­schen Trai­nings­da­ten
trai­niert wer­den. Dabei muss auch auf eine Aus­ge­gli­chen­heit des Trai­nings­da­ten­sat­zes geach­tet
wer­den, um Bia­ses und Schwach­stel­len in der Wahr­neh­mung zu ver­hin­dern. Aktu­ell wer­den für das
Trai­ning Mil­lio­nen auf­ge­zeich­ne­ter Test­ki­lo­me­ter ver­wen­det. Die zuneh­mend große Daten­menge stellt
die Ent­wick­ler jedoch vor die Her­aus­for­de­rung der Spei­che­rung und Ver­wal­tung der Daten.

In Koope­ra­tion mit Mer­an­tix forscht das FZI an Metho­den zur Ver­ar­bei­tung und Reduk­tion gro­ßer
Men­gen von auf­ge­zeich­ne­ten Erpro­bungs­da­ten. Dabei stellt sich die Frage, wel­che der gesam­mel­ten
Daten zur Ver­bes­se­rung der Funk­tion bei­tra­gen und wel­che Daten kei­nen zusätz­li­chen Nut­zen brin­gen.

Im Rah­men die­ser Arbeit soll eine Methode ent­wi­ckelt wer­den, die in der Lage ist, einen mög­lichst
opti­ma­len Trai­nings­da­ten­satz zu ermit­teln. Dabei soll zum einen die Per­for­mance der Per­zep­ti­ons­al­go­rith­men in ver­schie­de­nen Sze­na­rien betrach­tet wer­den. Ande­rer­seits sol­len die rele­van­ten Kon­texte (bspw. Tag/Nacht, Stadt/Auto­bahn) der jewei­li­gen Fahr­sze­na­rien ana­ly­siert und
ermit­telt wer­den. Auf Basis die­ser Infor­ma­tio­nen soll die Methode in der Lage sein, auto­ma­ti­siert einen mög­lichst opti­ma­len Trai­nings­da­ten­satz zu erstel­len. Zur Eva­lua­tion der Aus­wahl­me­thode sol­len
ver­schie­dene Aspekte betrach­tet wer­den, bei­spiels­weise die Ver­tei­lung über ver­schie­dene Kon­texte
sowie die Ent­wick­lung der Per­for­mance der Per­zep­ti­ons­al­go­rith­men.

AUF­GA­BEN
  • Lite­ra­tur­re­cher­che zu State-of-the-Art Metho­den zur Iden­ti­fi­ka­tion von Kon­tex­ten in Fahr­sze­na­rien
  • Ent­wick­lung eines Kon­zepts zur Kom­bi­na­tion von Kon­tex­ten und Per­for­mance von Per­zep­ti­ons­al­go­rith­men
  • Eva­lua­tion des Ansat­zes
  • Doku­men­ta­tion des Vor­ge­hens

Er­war­te­te Qua­li­fi­ka­tio­nen:

  • gute Kennt­nisse in Python
  • Prak­ti­sche Kennt­nisse im Bereich des maschi­nel­len Ler­nens
  • Optio­nal: Grund­kennt­nisse in der Bild­ver­ar­bei­tung & Metho­den der Signal­ver­ar­bei­tung
  • selb­stän­di­ges Den­ken und Arbei­ten
  • sehr gute Deutsch- oder Eng­lisch­kennt­nisse

Un­ser An­ge­bot:

  • ein inter­dis­zi­pli­nä­res Arbeits­um­feld mit Part­nern aus Wis­sen­schaft, Wirt­schaft und Anwen­dern
  • Ein­bli­cke in Indus­trie durch die koope­ra­tive Betreu­ung mit Mer­an­tix
  • eine ange­nehme Arbeits­at­mo­sphäre
  • kon­struk­tive Zusam­men­ar­beit