PhD - Datenbasierte Selbsteinschätzung für multimodale Wahrnehmung im automatisierten Fahren

PhD - Datenbasierte Selbsteinschätzung für multimodale Wahrnehmung im automatisierten Fahren

Robert-Bosch-Campus 1, 71272 Renningen, Deutschland

Vollzeit

Robert Bosch GmbH

Unternehmensbeschreibung

Bei Bosch gestalten wir Zukunft mit hochwertigen Technologien und Dienstleistungen, die Begeisterung wecken und das Leben der Menschen verbessern. Unser Versprechen an unsere Mitarbeiterinnen und Mitarbeiter steht dabei felsenfest: Wir wachsen gemeinsam, haben Freude an unserer Arbeit und inspirieren uns gegenseitig. Willkommen bei Bosch.

Die Robert Bosch GmbH freut sich auf deine Bewerbung

Stellenbeschreibung

Datengetriebene Methoden sind heute in autonomen Systemen allgegenwärtig. Eine wichtige Aufgabe der Umgebungswahrnehmung besteht darin, relevante Objekte in der Szene zu erkennen, zu klassifizieren und zu verfolgen. Insbesondere sind wir daran interessiert, die Umgebungswahrnehmung unter Verwendung von punktwolkenähnlichen Daten (z.B. Lidar) in Kombination mit Video zu untersuchen.

Die heutigen Wahrnehmungsalgorithmen basieren auf tiefen neuronalen Netzwerken und werden in der Regel darauf trainiert, Fehler für jedes Objekt in einer Szene gleich zu gewichten, unabhängig von seinen potenziellen Auswirkungen auf die Fahraufgabe. In der Realität gibt es jedoch Objekte, die mehr oder weniger relevant sind. Als Ergebnis ist das trainierte Netzwerk, das gemäß den Metriken als am besten geeignet angesehen wird, nicht unbedingt das beste, das eingesetzt werden kann. Das Ziel dieser Forschung ist es zum Einen neue Möglichkeiten zur Bewertung der Relevanz für alle Teile der Szene zu entwickeln und zum Anderen die aktuelle Wahrnehmungsperformance in diesen Bereichen zu bewerten. Insbesondere die Verbindung der Konzepte von Relevanz und Selbsteinschätzung zur Verbesserung der Korrelation von Trainingsmetriken und realer Performance wird im Rahmen dieser Arbeit im Mittelpunkt stehen.

• Als Teil unseres Teams entwickelst du neuartige maschinelle Lernansätze für die Objekterkennung und -verfolgung auf der Grundlage von self-supervision.
• Du evaluierst deine Algorithmen anhand öffentlicher Benchmark-Datensätze und interner Realwelt-Datensätze - offline sowie online.
• Zudem trägst du zur wissenschaftlichen Gemeinschaft bei, indem du deine Arbeit auf führenden Konferenzen und Zeitschriften für maschinelles Lernen sowie Robotik publizierst (NIPS, ICML, ICLR, CVPR, ICCV, IROS oder ICRA).
• Nicht zuletzt übernimmst du Verantwortung und arbeitest in einem agilen sowie vielfältigen Forschungsteam mit anderen PhD Studentinnen bzw. Studenten und im Austausch mit mehreren Forschungsprojekten.

Qualifikationen

• Ausbildung: Abschluss (Master/Diplom) in Informatik, Elektrotechnik, Mathematik oder einem verwandten Fach mit ausgezeichneten akademischen Leistungen
• Erfahrung und Know-how: fundierte Kenntnisse in maschinellen Lernalgorithmen und -prinzipien, vorzugsweise im Bereich Deep Learning sowie nachgewiesene Programmierkenntnisse in Python
• Persönlichkeit und Arbeitsweise: aufgeschlossener Teamplayer mit zielorientiertem und logischem Denken
• Sprachen: sehr gutes Englisch in Wort und Schrift, Deutschkenntnisse von Vorteil

Zusätzliche Informationen

Das PhD-Projekt wird in Zusammenarbeit mit und unter Mitbetreuung von Dr. Holger Caesar (Assistant Professor am Intelligent Vehicles Lab, TU Delft) durchgeführt.

Start: nach Absprache

Bitte reiche alle relevanten Unterlagen ein (einschließlich Lebenslauf, Motivationsschreiben und Zeugnisse).

Vielfalt und Inklusion sind für uns keine Trends, sondern fest verankert in unserer Unternehmenskultur. Daher freuen wir uns über alle Bewerbungen: unabhängig von Geschlecht, Alter, Behinderung, Religion, ethnischer Herkunft oder sexueller Identität.

Du hast Fragen zum Bewerbungsprozess?
Kevin Heiner (Personalabteilung)

Du hast fachliche Fragen zum Job?
Florian Faion (Fachabteilung)

In diesem Team sind wir per du. Werde ein Teil davon Work #LikeABosch

---