Wir freuen uns sehr über die Zusammenarbeit mit den Studenten und wir möchten euch kurz vorstellen, in welchen Themengebieten wir uns besonders über eure Unterstützung freuen würden. Kommt gerne mit euren Ideen und Vorstellungen vorbei und wir suchen gemeinsam nach Möglichkeiten, wie ihr eure Abschlussarbeiten, Seminararbeiten, Forschungs- und Projektmodule bei uns erledigen könnt. Für Fragen stehen wir euch jederzeit zur Verfügung.
HiWi für Mensch-Roboter-Kollaboration mit Menschen mit Behinderung
In meiner Forschung beschäftige ich mich mit der Vorhersage von menschlichen Fähigkeiten, um damit Robotervrhaltne zu planen und insbesondere Menschen mit Behinderung in ihrem Arbeitsalltag zu unterstützen. Dabei werden Arbeitsmedizin und datengetriebene Methoden kombiniert. Ziel ist, dass eines Tages Personen egal welcher körperlichen Fähigkeiten und Voraussetzungen gemeinsam am Arbeitsalltag teilhaben können.
Zur Umsetzung eines Projektes mit einer Anwendung der Firma Hama GmbH suche ich ab sofort eine studentische Hilfskraft (Bachelor oder Master) mit bis zu 19 Wochenstunden. Hama lagert momentan das Falten von Sonderverpackungen an Werstätten für Menschen mit Behinderung aus. Da manche Arbeitsschritte feinmotorisch sind, können aber nicht alle Personen an dieser Arbeit teilhaben. Wir wollen untersuchen, wie sich dieser Prozess durch Roboter unterstützten lässt.
Was wir bieten
- Einblicke in die Mensch-Roboter-Interaktion mit Menschen mit Behinderung
- Viele Möglichkeiten zur freien Entfaltung
- Ein hilfsbereites und engagiertes Team
Deine potenziellen Aufgaben
- Konzipierung und Programmierung von Arbeitsprozessen des Roboters in ROS2/Python und auf der Robotersteuerung
- Unterstützung bei der Ausarbeitung und Durchführung von Studien mit Menschen mit Behinderung
- Programmierung und Integration von Computer Vision und Perzeption (Bewegungssensorik, Kameras, LiDAR)
- Hardware- und Software-Integration
Für die Stelle ist kein besonderes Vorwissen nötig, Grundwissen in Robotik, Sensortechnik und deren Programmierung ist aber hilfreich. Du bringst hohe Eigenmotivation und Interesse an den Themen mit und bist bis mindestens bis zum Jahresende verfügbar, dann bist du hier genau richtig. Ich freue mich auf deine Bewerbung (Anschreiben und Notenübersicht, gerne auch informell).
Software für Scientific Machine Learning (SciML)
Wenn mächtige, aber schwerfällige Simulationsmodelle aus der Industrie und nagelneue, flinke Methoden aus dem maschinellen Lernen zusammen kommen, dann kollidideren Welten - dank FMI.jl und FMIFlux.jl bekommt man davon aber (fast) nichts mit. Damit das so bleibt - und wir im Idealfall das “fast” im vorhergehenden Satz bald komplett streichen können - brauchen wir Nachwuchs-Wissenschaftler (HiWi / Forschungsmodul / Projektmodul), die an unseren Open-Source-Paketen FMI.jl und FMIFlux.jl mitwirken wollen. Wenn du sogar schon erste Erfahrungen mit der Entwicklung von Softwarebibliotheken und/oder GitHub hast und diese weiter ausbauen möchtest, dann bist du hier gold-richtig.
Beispielsweise stehen folgende Aufgaben-Pakete bereit:
- Integration von Functional Mock-Up Units (FMUs) über FMI.jl in das ModelingToolkit.jl (MTK)
- Implementierung von Scheduled Execution in FMI.jl
- Implementierung von System Structure and Parameterization in FMI.jl
- …
Benchmarkprobleme für Partikelsimulationen
Ich befasse mich mit der Verbesserung von KI-gestützter Simulation von großen Partikelsystemen. Das Feld der Fluidsimulationen ist vielseitig und umfasst eine große Anzahl an Anwendungsfällen und Szenarien, die in Papern verwendet werden, um Methoden zu validieren und vergleichen. Etablierte Benchmarkprobleme, die überall Anwendung finden und verschiedene Komplexitätsebenen abbilden gibt es dabei nicht. Eure Aufgabe wäre es sich mit den Szenarien in der Literatur vertraut zu machen und eine Sammlung von Benchmarkproblemen zu erstellen und diese nach Kriterien wie Komplexität zu clustern.
Vorgehen:
- Recherche von Anwendungsbeispielen von Partikelsimulationen
- Festlegen von Kriterien zur Clusterung
- Auswahl von Simulationstool zur Datenerzeugung
- Erstellung von Simulationen, die diese Szenarien mit unterschiedlichen Parametern abbilden
- Vergleich der Ergebnisse mit Literatur
Vorrausstetzungen:
- Keine
- Interesse an Partikelsimulationen hilfreich
Weiterentwicklung unserer Softwarepakete für Graph Neural Networks
Die Programmiersprache Julia wächst aktuell stark in ihrer Anwendung sowohl in der Forschung als auch in der Industrie bei großen Unternehmen wie beispielsweise ASML und Bosch. Dabei arbeitet unser Lehrstuhl aktiv an der (Weiter-)entwicklung unser aktuellen Softwarepakete für Julia, besonders im Bereich Graph Neural Networks. Dabei gibt es immer aktuelle Themen die in Angriff genommen werden können um das Paket und die Sprache voranzutreiben.
Dies beinhaltet:
- Entwicklung neuer Funktionen der Pakete
- Mitwirken an Core-Paketen von Julia
- Instandhaltung der aktuellen Software