Abschlussarbeit - RL Driver - FastRL - Python-Based RL Simulation Environment

Job-ID: T-MS Vehicle Motion & System -23069 Abschlussarbeit - RL Driver - FastRL - Python-Based RL Simulation Environment ______ Studierende — Abschlussarbeit Gifhorn Diese Herausforderung erwartet dich: Im Rahmen dieser Masterarbeit entwickelst du eine prototypische, lizenzunabhängige und Python-basierte Reinforcement-Learning-Simulationsumgebung für ausgewählte Fahrmanöver im Automotive-Kontext. Ziel ist es, Reward-Konzepte für einen RL Driver zunächst in einer leichtgewichtigen Umgebung schnell zu explorieren, zu iterieren und zu bewerten, bevor ausgewählte Reward-Ansätze in eine High-Fidelity-Simulation, zum Beispiel CarMaker, übertragen und dort validiert werden. Deine Aufgaben: Du konzipierst eine modulare, Python-basierte RL-Explorationsumgebung für ausgewählte Fahrmanöver im Automotive-Kontext Du baust ein lauffähiges Baselinesystem für RL-Experimente im Fahrkontext auf, zum Beispiel auf Basis eines Gymnasium-kompatiblen Environment-Interfaces und einer geeigneten RL-Toolchain Du entwickelst ein vereinfachtes Simulationsmodell für einen ausgewählten RL-Driver-Use-Case, einschließlich Observation Space, Action Space, Zustandsübergängen und relevanten Bewertungsgrößen Du entwirfst, iterierst und bewertest verschiedene Reward-Funktionen mit Blick auf lernbares, robustes Fahrverhalten Du analysierst das Lernverhalten hinsichtlich Stabilität, Konvergenz, Robustheit und Sensitivität und leitest daraus Verbesserungsmaßnahmen ab Du überträgst ausgewählte Reward-Konzepte in eine High-Fidelity-Simulationsumgebung, zum Beispiel CarMaker, und vergleichst das Verhalten mit der leichtgewichtigen Umgebung Du bewertest deinen Ansatz hinsichtlich Simulationsgeschwindigkeit, Übertragbarkeit, notwendiger manueller Nacharbeit und Reproduzierbarkeit und dokumentierst deine Ergebnisse strukturiert Notwendige Kenntnisse: Technischer oder naturwissenschaftlicher Studiengang zum Beispiel Informatik, Elektrotechnik, Mathematik, Physik Sehr gute Python-Kenntnisse sowie Erfahrung mit sauberer Softwarearchitektur und modularer Entwicklung Grundlegende bis gute Kenntnisse in Reinforcement Learning, idealerweise mit Gymnasium, Stable-Baselines3, Ray RLlib oder vergleichbaren RL-Toolchains Erfahrung mit Datenanalyse, Experimentauswertung und Visualisierung, zum Beispiel mit NumPy, Pandas und Matplotlib Interesse an AI im Automotive- und Simulationsumfeld sowie eine strukturierte, eigenständige Arbeitsweise Gewünschte Kenntnisse: Grundkenntnisse in Fahrdynamik, Fahrzeugführung, Simulation oder modellbasierten Entwicklungsprozessen Erfahrung mit der Umsetzung eigener RL-Experimente, zum Beispiel im Rahmen von Projekten, Praktika oder Studienarbeiten Erfahrung mit CarMaker oder vergleichbaren High-Fidelity-Simulationsumgebungen Kenntnisse in der Bewertung von AI-Systemen hinsichtlich Robustheit, Generalisierungsfähigkeit und Reproduzierbarkeit Grundlagen in Versionsverwaltung und reproduzierbaren Software-Setups, zum Beispiel mit Git und virtuellen Umgebungen Uns sind Vielfalt und Chancengleichheit wichtig. Für uns zählt der Mensch mit seiner Persönlichkeit und seinen Stärken.