Das erwartet Dich bei uns

Autonomes Fahren von end-to-end ist eine aufkommende Alternative für modulare Fahrsysteme. Bei solchen Ansätzen lernt der Agent eine Zuordnung zwischen seinen Sensor-Rohdaten (Input) und seiner Fahrstrategie (Output). Solche Ansätze sind vielversprechend und eine aktive Forschungsrichtung, allerdings leiden sie unter ihrer Leistung, wenn sie in unbekannten Situationen eingesetzt werden, insbesondere in Kurven und kritischen Szenarien. Eine mögliche Lösung ist das Training von RL-Agenten in einer gegnerischen Umgebung (Adversarial RL), die auf einer selbstspielenden Spielumgebung basiert. Beim kontradiktorischen Verstärkungslernen lernt ein Agent (typischer RL-Agent) eine Aufgabe in einer Simulationsumgebung. Gleichzeitig wird ein Generator verwendet, um das Simulationsszenario zu erstellen, das für den Agenten eine Herausforderung darstellt und ihm die Möglichkeit gibt, seine Leistung zu verbessern. In unserer Abteilung Technische Kognitive Systeme (TKS) am FZI arbeiten wir intensiv an der Verwendung von adversarialem RL, um die Leistung und Sicherheit von RL-Agenten zu verbessern.

• Du forschst intensiv zu den Themen adversarial learning, reinforcement learning, automated testing, safety and corner cases.
• Du wirst an der Entwicklung eines Frameworks zur Überwachung der Laufzeitanforderungen eines Neuronalen Netzes arbeiten.
• Du wirst Experimente mit der Architektur eines Neuronalen Netzes durchführen, um das Modell zu validieren, das Du im Rahmen dieser Arbeit entwickelst.
• Du arbeitest an nationalen und internationalen Projekten, um wissenschaftliche Methoden und Ansätze auf praktische Probleme anzuwenden.
• Du konzipierst neue, innovative Methoden, implementierst sie und veröffentlichst sie.
• Du präsentierst Forschungsergebnisse und Prototypen in Publikationen und Vorträgen auf nationaler und internationaler Ebene.

Das bringst Du mit

• Du studierst Informatik, Wirtschaftsinformatik oder einen verwandten Studiengang.
• Du verfügst über solide Programmierkenntnisse in Python, C++ oder einer anderen OOP-Sprache.
• Du hast idealerweise bereits Erfahrung mit PyTorch, ROS, CARLA gesammelt.
• Du bist motiviert und engagiert, denkst selbständig und bringst ein starkes konzeptionelles Verständnis für maschinelles Lernen / Deep Learning mit.
• Du hast sehr gute Deutsch- oder Englischkenntnisse.
• Du bringst Kenntnisse im Bereich Deep Learning mit

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.