Studien-/Abschlussarbeit - Optimierung von Roboteranw. mittels maschinellen Lernens und KI-Methoden

Ausschreibung für die Fachrichtung wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Maschinenbau, Mechatronik oder vergleichbare.

Der Forschungsbereich „Automatisierung und Robotik“ gestaltet Automatisierungslösungen für industrielle Anwendungen. Der „Griff-in-die-Kiste“ gilt seit Jahren als Königsdisziplin in der Robotik und steht für die Vereinzelung von chaotisch gelagerten Werkstücken mit Robotern. Die am Fraunhofer IPA entwickelte und mehrfach industriell eingesetzte Software „Bin Picking 3D – bp3™“ ermittelt die Objektlage unter Verwendung von CAD-Modellen und 3D-Sensorinformationen, identifiziert geeignete Greifpunkte und generiert kollisionsfreie Pfade zur Entnahme und definierten Ablage von Bauteilen.

Eines der aufkommenden wichtigen Themen steht unter dem Motto „Automatisierung der Automatisierung“. Hier entstehen mehr und mehr Lösung zur effizienten, ressourcenschonenden und kostenreduzierten Umsetzung von Produktionsprozesses. Im Rahmen des Bin Pickings bietet das Fraunhofer IPA bereits heute hierfür virtuelle Machbarkeitsstudien an. Grundlage hierfür ist eine simulative Abbildung eben dieser Bin-Picking-Zelle (Stichwort Digitaler Zwilling).

Der nächste logische Entwicklungsschritt ist die automatische Optimierung der Zellen mittels simulationsbasierten Lernalgorithmen. Hierbei soll mit der Simulationsumgebung interagiert werden um die optimale Konfiguration bzgl. Roboter, Greifer, Kamera, Positionen im Raum usw. zu erhalten. Mögliche Ansätze umfassen hierbei das Reinforcement Learning, Bayes'sche Optimierung oder Evolutionsalgorithmen.

Hier sorgen Sie für Veränderung

1. Einarbeitung und Recherche zu den Themen Bin Picking sowie Optimierungsalgorithmen

2. Einarbeitung in NVIDIA Isaac Sim und NVIDIA Omniverse

3. Literatur-Recherche zu Bayesian Optimisation und Genetische Algorithmen für Multi-Objectiv und Mixed-Space Anwendungen und vergleichbaren Algorithmen

4. Erweiterung des bisherigen Models um zusätzliche Optimierungsgrößen und Key Performance Indikatoren

5. Integration der vorhandenen automatischen Greifergenerierung in den Optimierungsprozess

6. Verbesserung der Optimierungsalgorithmen basierend auf den zusätzlichen Funktionen

7. Analyse und Bewertung der Optimierungen

Hiermit bringen Sie sich ein

• Studium im Bereich Automatisierungstechnik, Kybernetik, Mechatronik, Maschinenbau, Informatik oder vergleichbares Ingenieursstudium mit gültiger Immatrikulation an einer deutschen Universität oder Hochschule

• Sehr gute Programmierkenntnisse in Python

• Kenntnisse im Bereich des maschinellen Lernens

• Allgemeine Erfahrung mit Simulationsumgebungen

• Bereitschaft zur Einarbeitung in neue Programme und Systeme

• Strukturiertes und selbstständiges Arbeiten

• Sehr gute Deutsch- und Englischkenntnisse

Was wir für Sie bereithalten

• Praktische Erfahrungen bei der selbständigen Lösung von industrierelevanten Problemen

• Möglichkeit zur Mitarbeit in einem relevanten Umfeld für Industrie und Forschung

• Flexibilität in der Wahl der Arbeitszeit für eine gute Integration in das Studium

• Mitarbeit in einem engagierten und interdisziplinären Team

• Ein offenes und kollegiales Arbeitsumfeld

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.

Frau Lisa Schäfer Recruiting Tel. +49 711 970-3681

lisa.schaefer@ipa.fraunhofer.de

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

www.ipa.fraunhofer.de

Kennziffer: 67659 Bewerbungsfrist: