Praktika und Masterarbeiten in Themen um Software Engineering und KI für Autonomes Fahren in München bei Capgemini Engineering

Im Kontext der Innovations- und Kompetenzstrategie kooperiert Capgemini mit Forschungseinrichtungen. Connected Cooperative Autonomous Mobility ist für uns ein strategischer Themenkomplex, innerhalb dessen wir die gesamte Kompetenzspanne zwischen Fahrzeugautomation, über Sensorik und Perception bis hin zur Autonomik aufbauen.

Der Lehrstuhl Software Engineering (Prof. Dr. Thorsten Berger) an der Ruhr-Universität Bochum (RUB) verbindet grundlegende mit angewandter Forschung, um die Softwareentwicklung der nächsten Generation von intelligenten, autonomen und variantenreichen Softwaresysteme zu automatisieren. Wir untersuchen neue Ansätze zur Softwareerstellung, -analyse und -evolution. Unsere Anwendungsdomänen sind Automotive-Systeme, Systemsoftware (z.B. Linux-Kernel), Softwareökosysteme (z.B. Android Apps) und mobile autonome Roboter. Die RUB ist eine führende Forschungsuniversität in Deutschland.

Die Masterarbeiten finden in der Kooperation zwischen der RUB (Lehrstuhl Prof. Berger) und Capgemini Engineering statt. Als Teil der individuellen Wunschvorstellungen kann ein nahezu beliebiger Anteil remote bearbeitet werden sowie je nach Notwendigkeit an einem Fahrzeug und Hardware in München.

DAS BIETEN WIR

• Breit und international aufgestellte Arbeitsgruppe(n) mit hoher Geschwindigkeit und Spielraum zur Gestaltung der eigenen Position, Zukunft, Themen, Karriere.

• Spannender Mix aus industrieübergreifender Erfahrung, hohen Lerneffekten sowie abwechslungsreichen Tätigkeitsfeldern aus der Welt des High-Tech Engineering für die renommierten OEM-Kunden und/oder Zulieferer in der Industrie.

• Begeisterung und Leidenschaft für Engineering sowie Forschung & Entwicklung mit viel Gestaltungsfreiheit, so dass aus anspruchsvollen Herausforderungen von heute, innovative Lösungen von morgen werden können.

• Vereinbarkeit von Beruf und Familie durch zentral gelegene, moderne Büros mit guten Anbindungen.

• Work-Life-Balance, Flexible Arbeitszeiten, sowie Homeoffice-Option und mobiles Arbeiten nach Absprache.

• Wertschätzendes, buntes Arbeitsumfeld, eine Duz-Kultur vom CEO bis zum Werkstudenten sowie zahlreiche Möglichkeiten, Erfolge auch standort-übergreifend zu feiern (z.B. Teamevents, Sommerfest, Kick Off Veranstaltungen, etc.).

THEMEN

Zur Auswahl stehen mehrere Themen/Themenkomplexe um den Aufbau eines automatisierten selbstfahrenden Fahrzeugs in Bezug auf Sensorik, Datenmanagement, Datenkommunikation („Connected Car“), Sensordatenfusion, Softwarearchitektur, Trajektorienplanung, Simulation, Perception, Hil/SiL. Grundsätzlich lassen sich auch Teile kombinieren und erweitern, je nach Interesse und Erfahrungen. Die Software des Fahrzeugs wird größtenteils auf dem Robotic Operating System (ROS2) basieren, für welches ein großes Ökosystem zahlreicher vorgefertigter Komponenten bereitsteht.

Bereich 1 – Realisierung einer KI-basierten Objekterkennung mit 3D Bounding-Box und/oder Stereokamera. Diese soll zunächst in einer Simulationsumgebung (CARLA) und später im Fahrzeug realisiert und evaluiert werden. Sie führen eine Literaturrecherche über anwendbare Komponenten durch und bewerten systematisch deren Einsetzbarkeit und notwendige Anpassung in die Zielarchitektur des Systems. Relevante Bewertungskriterien sind außerdem: Continuity, Schnelligkeit (HIL-Aufbau mit einer NVIDIA Plattform). Sie realisieren die Komponente(n) und evaluieren sie mit Testfällen oder Benchmarks.

Erweiterung: (i) SLAM und Hinzunahme von LIDAR, oder (ii) Implementation neuer KI-Methoden für die Einbeziehung von A-priori-Wissen für die Verbesserung der Performance und Verbesserung einer Auto-Labeling-Implementation.

Erweiterung: Implementation neuer KI-Methoden für die Einbeziehung von A-priori-Wissen für die Verbesserung der Performance und Verbesserung einer Auto-Labeling-Implementation.

Bereich 2 – Generierung von simulierten Lerndaten in CARLA: Implementation und Entwicklung eines Verfahrens zur systematischen und kontrollierten Generierung von statischen und dynamischen Szenarien inkl. Verkehrslayouts in OpenDRIVE/OpenSCENARIO, z.B. über die Definition geeigneter Parametrisierung/Zustandsräume.

Erweiterung: automatische Szenarienklassifizierung bzgl. Manöver und ADAS-Funktionen aus „perfekten“ Szenariendaten (CARLA)

Erweiterung: Szenarienklassifizierung, -generierung, -management, -extraktion. Insb. Trajektorienextraktion auf dem zugrundeliegenden Straßenlayout aus Messdaten.

Erweiterung: Konzepte und Implementierung im Bereich Automatisierte Routenplanung (z.B. Abfahren aller Straßen innerhalb eines Polygons, wobei nur x% der Straßen doppelt befahren werden dürfen.)

Erweiterung: Bottom-up KI-Ansatz für die Generierung plausibler Verkehrslayouts inkl. Fahrbahmarkierungen und Schilder

Erweiterung: Vergleiche