Hybrid Abschlussarbeit - Fahrstabilität mittels Reinforcement Learning (Gifhorn, DE, 38518) bei IAV

Diese Herausforderung erwartet dich:

Bist du ein Student oder eine Studentin mit dem Studienschwerpunkt in Automobiltechnik, Physik, Informatik oder einem verwandten Gebiet und hast Interesse an Reinforcement Learning (RL) oder ähnlichen Methoden? Wir bieten eine fantastische Gelegenheit für einen talentierten und motivierten Studierenden, unserem Team beizutreten und uns zu helfen, moderne Methoden des maschinellen Lernens in verschiedene Bereiche wie Fahrdynamik, autonomes Fahren, virtuelles Testen und in vielen mehr anzuwenden und weiterzuentwickeln.

Deine Aufgaben:

• Du entwickelst ein Framework, das LLMs (Large Language Model) mit Reinforcement Learning integriert, um das Design der Belohnungsfunktionen zu automatisieren.
• Du integrierst ein geeignetes LLM unter Nutzung des Model Context Protocols.
• Du passt den vorhandenen RL Algorithmus um zusätzlich nötige Schnittstellen an.
• Du weist die Effektivität von LLM-generierten Belohnungsfunktionen bei der Beschleunigung des Fortschritts des RL-Trainings nach.

Notwendige Kenntnisse:

• Laufendes Masterstudium mit Schwerpunkt in Automobiltechnik, Elektrotechnik, Informatik, Mechatronik oder ähnliche Studiengänge
• Vertrautheit mit RL-Frameworks (z. B. Stable Baselines3) und LLMs
• Sehr gute Programmierkenntnisse Python
• Deutschkenntnisse auf mind. B2-Niveau

Gewünschte Kenntnisse:

• Erfahrung mit Simulationswerkzeugen (CarMaker, etc.) und Fahrdynamikmodellierung ist von Vorteil
• Analytisches Denken und Problemlösungsfähigkeiten
• Gute schriftliche und mündliche Kommunikationsfähigkeiten
• Fähigkeit zur selbständigen und teamorientierten Arbeit