About this role
Ausschreibung für die Fachrichtung wie z. B.: Elektrotechnik, Informatik, Kybernetik, Mechatronik, technische Informatik oder vergleichbare. Radbasierte, zweibeinige Roboter (wheeled bipedal robots) verbinden die Vorteile beinbasierter Systeme mit der Effizienz radgetriebener Fortbewegung. Ihre Regelung in realen Umgebungen ist anspruchsvoll: hochdimensionale Dynamik, nichtlineare Kontaktvorgänge und stark wechselnde Untergründe. Reinforcement Learning (RL) ist ein vielversprechender Weg zu adaptiven und robusten Regelstrategien. Ein Training auf der realen Hardware ist jedoch meist unpraktikabel und nicht sicher. Realistische Simulationsumgebungen sind daher essenziell. Wie gut sich eine gelernte Policy auf den echten Roboter übertragen lässt, hängt davon ab, wie genau die Simulation Kontakt, Aktuierung und Sensorik abbildet. In der Forschungsgruppe „Navigation mobile Roboter“ entwickeln wir autonome Outdoor-Roboter auf rad-, ketten- und hybridbasierten Plattformen, darunter unsere Kettenplattform CURTtrac und unseren zweibeinigen Roboter auf Rädern BiBiRob. Unsere Arbeit reicht von der ersten Konzeptidee über die Konstruktion bis zum Aufbau und Test von Prototypen in realen Einsatzumgebungen. Hier sorgen Sie für Veränderung Die folgenden Aspekte bilden ein zusammenhängendes Themenfeld und nicht den festen Umfang einer einzelnen Arbeit. Abhängig von Ihrem Hintergrund und Ihren eigenen Interessen definieren wir den Umfang der Arbeit gemeinsam: Aufarbeitung des Stands der Technik zu Reinforcement Learning für radbasierte, zweibeinige und hybride Fortbewegung Konzeption und Implementierung einer Simulationsumgebung für einen radbasierten, zweibeinigen Roboter in NVIDIA Isaac Lab mit realistischer Physik Entwicklung und Training von RL-Policies sowie Entwurf der Reglerarchitektur für hybride Locomotion-Aufgaben, u. a. Wechsel zwischen den Fortbewegungsmodi und Balancieren auf unebenem Untergrund Einsatz von Sim-to-Real-Techniken wie Domain Randomization und Aktuatormodellierung zur Reduktion des Reality Gaps Übertrag der trainierten Policy auf unseren Roboter BiBiRob sowie Validierung und Vergleich von simuliertem und realem Verhalten Hiermit bringen Sie sich ein Voraussetzungen: Gültige Immatrikulation an einer Hochschule oder Universität in Deutschland Sichere Programmierkenntnisse in Python, idealerweise mit PyTorch Erfahrung mit Reinforcement Learning Überdurchschnittliche Studienleistungen oder einschlägige Vorerfahrung aus eigenen Projekten Analytisches Denken sowie eine selbstständige und strukturierte Arbeitsweise Regelmäßige Präsenz an unserem Standort direkt am Campus der Universität Stuttgart Von Vorteil: Erfahrung mit Physik-Engines Erfahrung mit NVIDIA Isaac Sim oder Isaac Lab Erfahrung mit ROS 2 Was wir für Sie bereithalten Praktische Arbeit mit unseren selbstentwickelten Robotern (rad-, ketten- und beinbasiert) in Stuttgart Leistungsfähige GPU-Ressourcen für Trainingsläufe Möglichkeit, Erfahrung in der Entwicklung von Robotersystemen für den Außeneinsatz zu sammeln und Verantwortung zu übernehmen, um eigene Ideen umzusetzen Einbindung in unser Entwicklerteam und Zusammenarbeit mit Studierenden und Mitarbeitenden aus Informatik, Elektrotechnik und Maschinenbau Die Vergütung erfolgt je nach Qualifikation. Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern. Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft. Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht. Frau Jennifer Leppich Recruiting Tel. +49 711 970-1415 [email protected] Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA www.ipa.fraunhofer.de Kennziffer: 85634 Bewerbungsfrist: