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 neue Konzepte und Technologien für das autonome Landen unbemannter Luftfahrzeuge (UAVs). Diese Fähigkeit ist ein wichtiger Meilenstein auf dem Weg zur vollständigen Autonomie in der Luftfahrt und birgt enormes Potenzial für die Zukunft der Luftfahrtindustrie. 

Kernbestandteil für das autonome Landen ist das zuverlässige Erkennen der Landebahn. Deep Learning und insbesondere Neuronalen Netzen sind hierfür ein vielversprechender Ansatz. Damit Neuronalen Netze state-of-the-art Ergebnisse liefern können, benötigen sie allerdings eine große Menge an diversen Trainingsdaten. Diese sind in der Luftfahrt auf Grund von Sicherheits- und Kostengründen meist nicht zu beschaffen.

Aus diesem Grund soll in diesem Projekt die Nutzbarkeit von synthetischen Daten für das Training von Deep Learning Modellen für die Landebahnerkennung aus der Perspektive eines unbemannten Luftfahrzeuges untersucht werden. 

Deine Aufgaben

Du trainierst und evaluierst state-of-the-art Deep Learning Modelle und untersuchst den Einfluss von synthetischen Bilddaten, die bspw. aus Computerspielen extrahiert wurden. Konkret umfasst die Aufgabenstellung die folgenden Teilaufgaben, wobei die konkrete Ausgestaltung je nach deinen Interessensgebieten und Erkenntnissen im Rahmen unserer Forschungsprojekte angepasst werden kann.

• Literaturrecherche zum Training auf synthetischen Daten und zur Deep Learning basierten Landebahn Erkennung 
• Auswahl, Analyse und Vergleich von synthetischen Datenquellen zum Training eines Deep Learning Modells zur Landebahnerkennung 
• Auswahl und Training eines Deep Learning Modells auf den ausgewählten Daten
• Evaluation des Modells und Untersuchungen zum Einfluss der synthetischen Trainingsdaten auf die Modellperformanz

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  
• Freude an unabhängiger, selbstständiger Arbeit und der Bearbeitung wissenschaftlicher Fragestellungen

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 3401) beantwortet dir gerne:

Joachim Rüter