Masterarbeit: Foundation Models (Embodied AI) für ein Fahrzeug Docking-Manöver (w/m/d)

Das erwartet dich

Wir suchen dich im Team für eine Masterarbeit an der Schnittstelle Autonomes Fahren / Foundation Models. Du erstellst eine State-of-the-Art-Übersicht zu Foundation Models und entwirfst eine Vision→Controller-Pipline für ein Eindock-/Park-Manöver. Auf Basis der Literatur erstellst du einen simulativen Prototyp mit CARLA. Anschließend integrierst du einen Proof-of-Concept am Fahrzeug.

Deine Aufgaben

• Survey (SoTA): Systematische Übersicht zu Foundation Model -Frameworks, Vision-Language-Modellen (Visual→Language), Language-to-Design (Plan/Trajektorie) und Design-to-Controller (Low-Level-Ausführung)
• Taxonomie & Vergleich: Agent-Rollen (Perception-Narrator, Planner, Safety-Critic, Controller-Designer), Kommunikationsmuster, Wissenseinbindung (RAG), Safety/Runtime-Checks
• Prototyping (Simulation): Aufbau einer CARLA Pipeline mit: Visual→Language, Szenenbeschreibung/Key-Facts aus Bild/Video. Language→Design, Plan/Trajektorie als deklaratives Format (z. B. Wegpunkte, Begrenzungen). Design→Controller, Übergabe an den Regler. Feedback, Critic/Verifier (Kollisionschecks, Dynamik-/Komfort-Constraints), Selbst-Reflexion/Re-Planung
• Evaluation (Simulation): Kennzahlen definieren und messen (Erfolgsrate, Time-to-Dock, Quer-/Längsfehler, Clearance, Komfort/Jerk, Replans, Sicherheitsverletzungen)
• Optional: Minimal-Integration am Versuchsfahrzeug
• Dokumentation & Präsentation: saubere, reproduzierbare Doku (Repo/Readme), Abschlussvortrag

Das bringst du mit

• laufendes wissenschaftliches Studium in Informatik, Computer Science, Robotik, Maschinenbau, Fahrzeugtechnik, Elektrotechnik, Mechatronik, Wirtschaftsingenieurwesen, Data Science, Mathematik oder Physik oder vergleichbar
• starkes Interesse am Autonomem Fahren, LLMs/Generative AI und Multi-Agenten-Systemen
• Grundkenntnisse in Python und Git sowie der Bereitschaft sich in ROS2 oder Bereitschaft dich einzuarbeiten
• Erfahrung in Simulation (z. B. CARLA/Gazebo/SUMO) oder Pfadplanung/Regelung ist von Vorteil
• Basis-Know-how zu LLMs, ML/Deep Learning (Datasets, Training/Inference)
• strukturierte Literaturrecherche & wissenschaftliches Schreiben (DE/EN)
• Erfahrung in Simulation (z. B. CARLA/Gazebo/SUMO), Pfadplanung/Regelung sowie Linux sind von Vorteil

Je nach Qualifikation und Aufgabenübertragung bis Entgeltgruppe E05 TVöD.