Herzlich willkommen am Institut für Flugsystemtechnik. Im Zentrum unserer Arbeit steht das Zusammenspiel von Flugzeugkonfiguration, Pilotinnen und Piloten und moderner Flugsystem-Technologie. Von der Flugdynamik bis zu unbemannten Luftfahrzeugen, von der Simulation bis zum realen Flugversuch – wir analysieren, testen und entwickeln Innovationen, die das Fliegen der Zukunft prägen.

Das erwartet dich

Wir in der Abteilung für unbemannte Luftfahrzeuge untersuchen und entwickeln in diesem Rahmen neue Konzepte und Technologien für die Umgebungswahrnehmung unbemannter Luftfahrzeuge (UAVs). Diese Fähigkeit gewinnt für autonome UAVs in Zukunft extrem an Relevanz, bspw. für das Planen von kollisionsfreien Flugpfaden oder das Finden von Notlandeplätzen.

Deep Learning basierte Methoden liefern für viele Umgebungswahrnehmung-Aufgaben state-of-the-art Ergebnisse, benötigen dafür allerdings eine große Menge an diversen Trainingsdaten. Da diese in der Luftfahrt meist nicht zu beschaffen sind, untersuchen wir die Nutzung von synthetischen Trainingsdaten, die bspw. mit Hilfe von Computerspiele-Engines generiert werden. Auch wenn synthetischen Daten bereits sehr realistisch aussehen, haben Deep Learning Modelle häufig Probleme, Bilder aus der realen Welt zu verallgemeinern, und zeigen dort einen Performance-Verlust. Aus diesem Grund sollen im Rahmen dieses Praktikums Deep Learning basierte generative Methoden untersucht werden, um den Realismus und die Diversität der synthetischen Daten zu erhöhen, was auch als Sim-to-Real Transfer bezeichnet wird. Ein Beispiel für solch eine Methode ist NVIDIA Cosmos-Transfer. 

Deine Aufgaben

• Literaturrecherche zu Sim-to-Real Transfer und Generativen Deep Learning Modellen
• Inbetriebnahme von Deep Learning Modellen für Sim-to-Real Transfer 
• Evaluation der Performance des Sim-to-Real Transfers, inkl. Analyse der Stärken und Schwächen der Verfahren
• Optimierung der Ergebnisse

Das bringst du mit

• laufendes Hochschulstudium der Informatik, Robotik, Mathematik oder vergleichbarem (Master)
• Programmierkenntnisse (Python)
• erste Kenntnisse in den Bereichen Deep Learning und Computer Vision
• erste Erfahrungen im Training und der Evaluation von Deep Learning Modellen 
• erste Erfahrungen mit Generativen Deep Learning Modellen
• Freude an unabhängiger, selbstständiger Arbeit und der Bearbeitung wissenschaftlicher Fragestellungen

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 3750) beantwortet dir gerne:

Joachim Rüter 
Tel.: +49 531 295 1344