1. BaSaMa & HiWi
    2.  

Trainiere ein transformer basiertes Deep-Learning Modell zur Regelung von einem autonomen Rennfahrzeug

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Masterarbeit /
Inhalt
experimentell / theoretisch /  
Beschreibung

Thema: Im Rahmen dieser Studienarbeit soll ein auf einem bestehenden Transformer-Modell basierendes Modell zur Fahrzeugdynamik weiterentwickelt und optimiert werden: lecar-lab.github.io/anycar/. Dafür kommen eigens generierte Simulationsdaten aus dem TUM Autonomous Motorsport Simulator zum Einsatz. Darüber hinaus wird der Model Predictive Path Integral (MPPI) Controller, der das trainierte Transformer-Netzwerk nutzt, an die Simulationsumgebung des TUM Autonomous Motorsport angebunden und mit bestehenden Controller-Implementierungen verglichen.

Ziele der Arbeit:

  1. Toolchain-Erstellung zur Datengewinnung: Entwicklung einer Toolchain zur automatisierten Generierung und Verarbeitung von Trainingsdaten aus der TUM Autonomous Motorsport Simulation.
  2. Modelltraining und -evaluierung: Training eines bestehenden Transformer-Modells auf den generierten Simulationsdaten sowie anschließende Evaluation der Modellleistung in der Simulationsumgebung.
  3. Integration des Model Predictive Path Integral (MPPI) Controllers: Anbindung des MPPI Controllers, der auf das trainierte Transformer-Modell zugreift, an die TUM Autonomous Motorsport Simulation zur Regelung von Fahrszenarien.
  4. Vergleichsstudie: Evaluierung und Vergleich der Leistungsfähigkeit des Transformer-Modells und MPPI Controllers mit bestehenden Controller-Implementierungen.

 

Voraussetzungen

Voraussetzungen:

  • Kenntnisse in maschinellem Lernen, insbesondere in Deep Learning und Transformer-Architekturen.
  • Kenntnisse in der Fahrdynamik und mit Fahrdynamiksimualtion
  • Programmiersprachen: Python 
  • Erste Erfahrung in der Implementierung von Machine-Learning-Modellen oder Pfadefolgeregelung
  • Grundkenntnisse in ROS2 und autonomen Fahrsystemen sind von Vorteil.

Interessierte Studierende werden gebeten, sich mit einem Lebenslauf und einem Notenauszug sowie einem kurzen Motivationsschreiben auf diese Aufgabenstellung zu bewerben.

Verwendete Technologien
Python, C++, Ros2, Programming, Autonomous Driving, Machine Learning
Tags
FTM Studienarbeit, FTM AV, FTM Werner, FTM Informatik
Möglicher Beginn
sofort
Kontakt
Frederik Werner, M.Sc.
Raum: MW 3508
Tel.: +49.89.289.10341
frederik.wernertum.de
Ausschreibung