Promotionsstelle (%) - Autonomous Vehicle Perception - Generalisierbare Objekt Detektion für das Autonomen Fahren
18.09., Wissenschaftliches Personal
Der Lehrstuhl für Fahrzeugtechnik sucht wissenschaftliche Mitarbeiter (m/w/d) aus Ingenieurswesen, Informatik oder Wirtschafts-Informatik in der Perzeptionsforschung.
Motivation
Als eine der wichtigsten Herausforderungen unserer Zeit verändern die CASE-Megatrends (Connected, Autonomous, Shared, Electric) bereits heute die Mobilität der Menschen grundlegend. In Zukunft müssen wir jedoch stärker auf digitale, nachhaltige und vor allem automatisierte Lösungen setzen, um unsere Verkehrsnachfrage zu decken. Gleichzeitig eröffnen Innovationen in Hardware und Software die Chancen genau diese Herausforderungen anzugehen und autonomes Fahren in breiter Masse Realität werden zu lassen.
Im Autonomous Vehicle Lab gestalten wir mit intelligenten Lösungen das Fahrzeug der Zukunft. Dabei arbeiten wir in der Forschungsgruppe Autonomous Vehicle Perception an intelligenten Algorithmen und Methoden zur Umfeldwahrnehmung im autonomen Fahren. Hierbei beteiligen wir uns nicht nur an zahlreichen Projekten mit Partnern aus Industrie und Forschung, sondern bringen unsere eigens entwickelte Software auch in Projekten wie TUM Autonomous Motorsport oder EDGAR in reale Anwendung. Unsere Forschungsergebnisse publizieren wir nicht nur auf internationalen Konferenzen und Journals, sondern stellen diese auch auf Github Open Source zur Verfügung. Werde also Teil unseres Autonomous Vehicle Lab am Lehrstuhl für Fahrzeugtechnik und gestalte aktiv die Zukunft der Mobilität mit!
Deine Herausforderung
Wir suchen innovative Bewerberinnen und Bewerber mit Initiative und Tatendrang, die mit ihrer Promotion das autonome Fahren mitgestalten möchten. Dazu bietet das Autonomous Vehicle Lab beste Bedingungen mit Serverinfrastruktur, Datensätzen, und realen Versuchsfahrzeugen sowie einem starken und motivierten Team. Das Promotionsthema wird dabei innerhalb der ersten 6 Monate gemeinsam mit dem Team im Bereich Objekt Detektion entwickelt. Dabei sollen gezielt Objektdetektionsmethoden zur Lösung selten auftretender Szenarien im öffentlichen Straßenverkehr entwickelt werden.
Projektziel ist das Meistern sogenannter Edge Cases, also das Lösen seltener oder ungewöhnlicher Situationen im öffentlichen Straßenverkehr. Dabei sollen Methoden entwickelt werden, die besonders gut generalisieren und mit ungesehenen Situationen umgehen können. Zudem sollen Pipelines entwickelt werden, um erfasste Edge Cases schnell in den Entwicklungsprozess zurückzuführen und bestehende Modelle kontinuierlich zu verbessern. Schlussendlich soll eine skalierbare Lösung entwickelt und erprobt werden um Sicherheit, Robustheit und Detektionsgüte signifikant zu verbessern.
Dein Profil
Als ideale Kandidatin oder Kandidat, verfügst Du über einen sehr guten Masterabschluss in der Informatik, Verkehrstechnik, Ingenieurswissenschaft oder einer vergleichbaren wirtschaftlich-technischen Fachrichtung. Vor allem aber bist Du stark in Kommunikation und Organisation um Dich an der Schnittstelle von Wissenschaft und Wirtschaft zu behaupten. Deutsch- und Englischkenntnisse Level B2 sind dir angeeignet. Du bringst solide Programmierkenntnisse in einer höheren Programmiersprache (z.B. Python, C++) mit und hast bereits erste Erfahrungen mit Sensordatenverarbeitung. Du brennst für die Entwicklung neuer Perception Algorithmen und bist bereit, das Autonomous Vehicle Lab durch Dein Engagement mitzugestalten.
Deine Chancen
Als Teil unseres Teams gestaltest Du aktiv die Entwicklung autonomer Fahrzeuge mit und baust Dir ein wertvolles Netzwerk aus Akteuren der Industrie und Wissenschaft auf. Dir stehen für Deine Rolle im Autonomous Vehicle Lab umfangreiche Serverinfrastrukturen und Versuchsfahrzeuge zur Verfügung. Du übernimmst also von Anfang an Verantwortung im Projekt und wirkst in einem Team von erfahrenen Perception Experten mit, die mit dir gemeinsam das autonome Fahren gestalten. Im Rahmen Deiner Arbeit baust du dein Wissen kontinuierlich aus, gibst es weiter und betreust Studienarbeiten, um das autonome Fahren in breiter Masse Realität werden zu lassen.
Wir bieten
1. Befristete Vollzeitstelle nach TV-L E-13 % für insgesamt 3 Jahre
2. Möglichkeit zur Promotion und Start-up-Gründung
3. Innovatives Forschungsgebiet mit hoher Aktualität und Relevanz
4. Moderne Arbeitsumgebung und Infrastruktur
5. Flexible Arbeitszeitgestaltung inkl. Homeoffice
6. Eigenes Budget für Fortbildungen und Tagungen
7. Möglichkeit zum Auslandsaufenthalt
Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Die Stelle erfordert die Anwesenheit am Lehrstuhl, Reisen, die Arbeit im Team, Kontaktfreude und die Durchführung von Versuchen in Laboren oder auf Teststrecken. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. Die Technische Universität München strebt eine Erhöhung des Frauenanteils an. Bewerbungen von Frauen werden daher ausdrücklich begrüßt.
Wir freuen uns auf Deine aussagekräftigen Unterlagen (Anschreiben, Lebenslauf, Anhang). Sende diese bitte mit Stellenbezeichnung im Betreff per E-Mail / Post an:
Christiane Schulte
Lehrstuhl für Fahrzeugtechnik
Boltzmannstraße 15
Garching
The position is suitable for disabled persons. Disabled applicants will be given preference in case of generally equivalent suitability, aptitude and professional performance.
Data Protection Information:
When you apply for a position with the Technical University of Munich (TUM), you are submitting personal information. With regard to personal information, please take note of the Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. (data protection information on collecting and processing personal data contained in your application in accordance with Art. 13 of the General Data Protection Regulation (GDPR)). By submitting your application, you confirm that you have acknowledged the above data protection information of TUM.