Das erwartet Dich bei uns

Die Abteilung Technisch Kognitive Systeme (TKS) beschäftigt sich mit Fragestellungen rund um das Thema Autonomes Fahren, um die Mobilität von morgen zu gestalten. Ein wichtiger Aspekt hierbei ist die Untersuchung und Erprobung des Potentials neuartiger KI-Methoden. Simulationsumgebungen für das Autonome Fahren bieten die Möglichkeit diverse Szenarien für Training und Validierung von Fahrfunktionen zu erstellen. Aktuelle Lösungen weisen hierbei jedoch noch eine Lücke zwischen simulierten und reellen Sensordaten auf. Novel View Synthesis Methoden wie z.B. 3D Gaussian Splatting und Neural Radiance Fields (NeRFs) eröffnen seit kurzer Zeit neue Möglichkeiten zur Repräsentation von Szenen zur Sensordatensimulation mit reduziertem Sim2Real Gap. Im Vergleich zu schwergewichtigen KI-Modellen die beispielsweise Videos generieren, können Sensordaten mit Gaussian Splatting in Echtzeit gerendert werden, beschränken sich dabei jedoch auf die Re-Simulation von bereits gesehenen Szenen. Um eine Anwendung als Simulationsbaustein zu ermöglichen, soll ein multimodaler Ansatz zur Szenenrekonstruktion entwickelt und erprobt werden, der konsistente Sensordaten für das Training und die Evaluation einer End-to-End Fahrfunktion liefern kann.

• Du arbeitest Dich in die Literatur und die Grundlagen zu Novel View Synthesis mit Fokus auf Dynamische Szenenrekonstruktion durch 4D Gaussian Splatting im Autonomen Fahren ein.
• Du unterstützt bei der Entwicklung eines 4D Gaussian Splatting Ansatzes, der für die Simulation von Sensordaten während dem Training und der Evaluation von End-to-End Fahrfunktionen geeignet ist.
• Du untersuchst Möglichkeiten zur Anbindung von 4D Gaussian Splatting an unterliegende Simulationsumgebungen und Verhaltensmodelle.
• Du programmierst dabei in Python und PyTorch.
• Du wirkst bei der Zusammenstellung der Ergebnisse im Rahmen von technischen Demonstrationen und wissenschaftlichen Veröffentlichungen mit.

Das bringst Du mit

• Du studierst Informatik, Mechatronik, Elektrotechnik, Maschinenbau oder einen verwandten Studiengang.
• Du hast praktische Erfahrung mit der Programmiersprache Python und dem Deep Learning Framework PyTorch oder alternativ Keras/Tensorflow.
• Du hast Kenntnisse in KI-Verfahren und Computer Vision.
• Du besitzt ein überdurchschnittliches Maß an Eigeninitiative sowie eine sorgfältige, gewissenhafte Arbeitsweise.
• Du verfügst über sehr gute strategische und kommunikative Fähigkeiten sowie Mediensensibilität.
• Du besitzt sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift.
• Du bist motiviert und engagiert.

Was wir Dir bieten

• Du hast die Möglichkeit, Dich bei diversen internen Formaten zu wissenschaftlichen Themen fachbereichsübergreifend auszutauschen.
• Du bekommst spannende Einblicke in unsere Forschung und kannst wertvolle Praxiserfahrung für den Einstieg ins Berufsleben sammeln.
• Wir nutzen die neueste Hard- und Software am FZI. Gemeinsam mit unseren wissenschaftlichen Mitarbeitenden arbeitest Du vor Ort in erstklassig ausgestatteten Forschungslaboren.
• Unser Miteinander ist geprägt von der Begeisterung für unsere Themen und gemeinsamen Werte. Wir sind alle per „Du“ und helfen uns gegenseitig. Bei uns kannst Du Dich einbringen und Themen vorantreiben.
• Eine motivierte und kompetente Betreuung ist uns wichtig. Dazu zählt für uns: sich ausreichend Zeit für Dich nehmen und Dich mit hilfreichem Feedback unterstützen.
• Mit unseren flexiblen Arbeitsformen hinsichtlich Arbeitszeit und Stundenumfang sowie unserer Regelung zum mobilen Arbeiten geben wir Dir die Freiheit, die Du benötigst, um Dein Privat- und Berufsleben zu vereinbaren.
• Bei der Vergütung von Hilfskräften und Praktikant*innen orientieren wir uns an den Vorgaben für Hochschulen des Landes. Die Höhe ist abhängig davon, ob Du bereits einen (Studien-)Abschluss und/oder erste Berufserfahrung hast. Abschlussarbeiten können entsprechend der Vorgaben leider nicht vergütet werden.
• Deine Arbeitszeit und Vertragsdauer legen wir in gemeinsamer Absprache mit Dir fest.