Home | deutsch  | Legals | Data Protection | Sitemap | KIT

Contact Information
Karlsruhe Institute of Technology
Vision and Fusion Laboratory (IES)

Prof. Dr.- Ing. Jürgen Beyerer
c/o Technologiefabrik
Haid-und-Neu-Str. 7
76131 Karlsruhe

Tel:  +49 721 - 608 45910
Fax: +49 721 - 608 45926

Welcome to Vision and Fusion Laboratory (IES)

 

Prof. Dr.-Ing. J. Beyerer

 

Latest

Klausur Pattern Recognition

The next written exam (Klausur) in Pattern Recognition (Mustererkennung) will take place on 5th August 2019.

  • Beginning of online registration period: 15th May 2019
  • End of online registration period: 19th July 2019
  • Beginning of signing out: 15th May 2019
  • End of signing out: 26th July 2019

Klausur Automated Visual Inspection and Image Processing

Concerning the lecture Automated Visual Inspection and Image Processing until 30th September 2019 it will still be possible to do an oral exam.
Mrs. Gross can inform you about possible exam days.
From WS 19/20 onwards there will be a written exam (Klausur) in ASB.
The first “Klausur” will take place around February 2020. The exact date will be announced on time.

Lectures offered at the Chair can be found here.

Further information on Students' Theses can be found here.

 
 
Wissenschaftlicher Mitarbeiter (m/w) im Bereich Reinforcement Learning für den kognitiven Verbrennungsmotor
Typ:

Mitarbeiterstelle

Links:
Contact Person:

Dipl. Wirt.-Ing. Julius Pfrommer

Die Mitarbeiter des Lehrstuhls für Interaktive Echtzeitsysteme (IES) am Institut für Anthropomatik des KIT erforschen in Kooperation mit der Abteilung Informationsmanagement und Leittechnik (ILT) des Fraunhofer Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) Methoden für die Anwendung datengetriebener Verfahren zur Optimierung der Steuerung von Verbrennungsmotoren.

Was Sie erwartet

Unter massiver Nutzung von Daten und daraus extrahierten Informationen soll die Steuerung und Regelung von Verbrennungsmotoren verbessert werden. Mit einer deutlich erweiterten Instrumentierung eines Motors mit zusätzlichen Sensoren und Aktuatoren werden in Echtzeit mehr Informationen über das interne Geschehen gewonnen bzw. mehr steuernde Eingriffsmöglichkeiten geschaffen. Die sensorisch gewonnenen Daten werden zum ständigen maschinellen Lernen eines hochdimensionalen Kennfeldes mittels Reinforcement Learning (RL) genutzt. Mit RL wird jeder einzelne Verbrennungszyklus des Motors als ein Exploit (mechanischer Impuls zum Vortrieb) aber auch als ein Experiment (Lernen von Motoreigenschaften) angesehen. Ein Motor lernt damit sein eigenes individuelles hochdimensionales Kennfeld und kann sich so der Exemplarstreuung des Motors sowie verschleißbedingten Veränderungen anpassen. Herkömmliche typspezifische Kennfelder aus Motorenprüfstandsläufen können dabei als a priori Wissen in das Lernen des höherdimensionalen exemplarindividuellen Kennfeldes eingebunden werden.

Ihre Aufgaben

  • Konzeption und Durchführung von Forschungsvorhaben
  • Entwicklung von Verfahren zur Verwendung von Reinforcement Learning im Kontext der Optimierung von Verbrennungsmotoren
  • Konzeption und Entwicklung einer Verarbeitungskette für den praktischen Einsatz der erforschten Methoden
  • Beteiligung an Forschungs- und Industrieprojekten und Veröffentlichung der Projektergebnisse durch wissenschaftliche Publikationen
  • Durchführung von Machbarkeitsstudien und Unterstützung bei der Akquisition neuer Forschungs- und Industrieprojekte

Es besteht die Möglichkeit zur Promotion. Die Vergütung erfolgt nach TV-L EG13.

Ihr Profil

  • Ein mit sehr gutem Erfolg abgeschlossenes Studium der Informatik, Elektrotechnik, Maschinenbau, Mathematik, Physik oder eines vergleichbaren Fachs
  • Sehr gute Kenntnisse im Bereich der Modellbildung und Datenanalyse
  • Kenntnisse in einer oder mehreren wissenschaftlichen Programmiersprachen (vorzugsweise Matlab, Python oder Julia) sowie einer objektorientierten Programmiersprache (idealerweise C# oder C++)
  • Ein hohes Maß an Eigeninitiative, Eigenverantwortlichkeit und Teamfähigkeit sowie die Bereitschaft, sich in fachfremde Themengebiete einzuarbeiten.
  • Kenntnisse und Affinität zu Verbrennungsmotoren sind von Vorteil, aber nicht notwendig

Kenntnisse und Affinität zu Verbrennungsmotoren sind von Vorteil, aber nicht notwendig

Kontakt

Karlsruher Institut für Technologie (KIT),
Lehrbereich für Interaktive Echtzeitsysteme
c/o Fraunhofer Institut für Optronik,
Systemtechnik und Bildauswertung IOSB
Herrn Dipl. Wirt.-Ing. Julius Pfrommer
Fraunhoferstraße 1
76131 Karlsruhe

E-Mail: julius.pfrommer@iosb.fraunhofer.de
Tel.: +49 721/6091-286