Promotionsstelle im Bereich Anomalieerkennung bei 3D-Lidar-Umgebungserfassung

Universität Ulm

Am Institut für Mess-, Regel- und Mikrotechnik ist zum nächstmöglichen Zeitpunkt die Stelle eines

Akademischen Mitarbeiters m/w/d im Bereich
Annomalieerkennung in einer 3D-Lidar-Umgebungserfassung für das automatisierte Fahren

 

befristet im Rahmen des WissZeitVG zu besetzen. Die Stelle bietet die Möglichkeit zur Promotion und erfolgt in enger Zusammenarbeit mit der Konzernforschung der Robert Bosch GmbH.

Ihre Aufgaben

Deep Learning-basierte Ansätze zur 3D-Objekterkennung in Lidar-Daten sind in den letzten Jahren gereift und erreichen heute in den meisten Situationen eine bemerkenswerte Erkennungsleistung. Wenn es sich jedoch um Objekte oder Situationen handelt, die in den Trainingsdaten nur selten gesehen wurden, ist die entsprechende Detektorausgabe unspezifisch und somit unvorhersehbar, was auch die Unsicherheitsschätzungen einschließt. Zu den potenziell seltenen Objekten/Situationen gehören beispielsweise unbekannte Klassen (z. B. E-Scooter, Hoverboards), Objekte mit seltenen Parametern (z. B. außergewöhnlich kleine oder große Autos) oder seltsame Konstellationen (z. B. Fahrzeugtransporter). Es gibt bereits Ansätze für Bildklassifikatoren, die auf Bayes'schen neuronalen Netzen oder Out-of-Distribution-Klassifikatoren basieren, aber es gibt nahezu keine Ansätze unter Nutzung metrischer Sensoren wie Lidar.


Das Ziel dieser Forschungsarbeit ist es, diese "Out-of-Distribution"-Objekte/Situationen für den speziellen Anwendungsfall der Deep Learning basierten Lidar-3D-Objekterkennung zu identifizieren. Die Schlüsselidee besteht darin, den Kontext der Szene mit einzubeziehen, um potenzielle Ausreißer zu identifizieren. Wenn beispielsweise die Rohdaten des Netzwerks in einem bestimmten Bereich um ein vorhergesagtes Objekt herum seltsam sind, d. h. die Werte entsprechen nicht den Erwartungen, ist auch die Objektschätzung zweifelhaft. Um zu beurteilen, ob der Kontext gültig ist oder nicht, wird eine Hauptaufgabe dieser Forschungsarbeit darin bestehen zu untersuchen, welche Art von Kontext geeignet ist und wie seine gültige Ausgabe aussehen würde. Der Kontext könnte (i) die Ausgabe von redundanten Objektankern, (ii) die Konstellation mit anderen Objekten, (iii) die semantische Nachbarschaft des geschätzten Objekts oder (iv) sogar die Rohausgabe des Netzes in einer bestimmten Region umfassen. Während der Inferenz wird die Ausgabe des Detektors dann mit dem erwarteten Kontext verglichen, z. B. mit einem gelernten Klassifikator. Mit dieser Methode soll versucht werden, Schätzungen, die außerhalb der Verteilung liegen, auf zwei Ebenen zu identifizieren: auf der Objektebene und falls möglich auch auf der Situationsebene.

Sie bieten

Bewerbungsvoraussetzung ist ein überdurchschnittlicher Masterabschluss an einer Universität bzw. Technischen Universität in der Fachrichtung Ingenieurwissenschaften, Informatik oder einem verwandten Gebiet. Umfassende Kenntnisse im Bereich der Informatik sowie gute Programmierkenntnisse in C / C++ und Python sowie Linux-Entwicklungsumgebungen setzen wir, wie auch erste Erfahrungen im Bereich der maschinellen Lernverfahren bzw. Deep Learning für diese Aufgabenstellung voraus. Vorkenntnisse im Automobilumfeld, vorzugsweise im Kontext zukünftiger automatisierter Fahrzeuge, beispielsweise durch Praktika, Bachelor-/Masterarbeiten oder erste Berufserfahrungen sind von Vorteil, aber nicht Bedingung.

Wir bieten

Wir sind eines der wenigen Institute in Deutschland, die bereits seit Jahren automatisierte Fahrfunktionen im öffentlichen Straßenverkehr mit eigenen Versuchsträgerfahrzeugen erproben. Nähere Informationen finden Sie auf unserer Homepage www.uni-ulm.de/in/mrm. Wenn Sie gerne teamorientiert in einem sehr innovativen Umfeld mit exzellenten beruflichen Zukunftschancen arbeiten möchten, freuen wir uns auf Ihre aussagefähige Bewerbung. Die Vergütung richtet sich nach den Richtlinien des öffentlichen Dienstes gemäß E13 TV-L.

Bewerbungen mit den üblichen Unterlagen (Lebenslauf, Zeugniskopien, etc.) senden Sie bitte, gerne auch elektronisch an Herrn Prof. Dr.-Ing. Klaus Dietmayer, Institut für Mess-, Regel- und Mikrotechnik, Albert-Einstein-Allee 41, 89081 Ulm, E-Mail. Für Fragen stehen wir natürlich gerne vorab auch telefonisch zur Verfügung.

Die Universität strebt eine Erhöhung des Anteils von Frauen an und bittet deshalb entsprechend qualifizierte Frauen nachdrücklich um ihre Bewerbung. Schwerbehinderte werden bei entsprechender Eignung vorrangig eingestellt. Die Einstellung erfolgt durch die Zentrale Universitätsverwaltung.