Lernbasierte Planung für den autonomen Rennsport: Erweiterung eines Simulationsframeworks

Institut

Lehrstuhl für Fahrzeugtechnik (TUM-ED)

Typ

Bachelorarbeit / Semesterarbeit / Masterarbeit /

Inhalt

experimentell / theoretisch /  

Beschreibung

In dieser Arbeit soll ein bestehendes Simulationsframework für den autonomen Racing Stack um die Planungskomponente erweitert und zu einem Learning Gym ausgebaut werden, in dem diffusionsbasierte oder Reinforcement-Learning-Planer trainiert und evaluiert werden können.

Voraussetzungen

• Starkes Interesse & Motivation für den autonomen Rennsport
• Eigeninitiative & selbstständige Arbeitsweise
• Programmierkenntnisse in C++
• Kenntnisse von ROS und Docker
• Vorerfahrung im Bereich Machine Learning vorteilhaft

Tags

FTM AV, FTM AV Evaluation, FTM Esser, FTM Informatik

Möglicher Beginn

sofort

Kontakt

Daniel Esser, M.Sc.
Raum: MW 3505
Tel.: +49 89 289 15342
daniel.essertum.de

Ausschreibung