Embodied-Vision-Aufgabe für einen Indoor-Service-Roboter entwerfen
Übersicht
Worum es bei diesem Projekt geht.
Du nutzt den Habitat-Simulator (Meta AI) mit Replica- oder Matterport3D-Szenen als Wohnzimmer-Stand-in (klinische Daten sind nicht verfügbar). Entwirf einen Such-Agent, der ein Ziel-Objekt findet — Vergleiche zwei Ansätze: (1) eine Heuristik 'visit große offene Flächen zuerst' plus YOLOv8-Detektor pro Frame, (2) ein gelerntes ObjectNav-Modell (z. B. ein Policy-Netz, das auf Habitat-Trainings-Episoden trainiert wurde). Bewerte beide auf SPL (Success weighted by Path Length, Erfolg gewichtet mit Pfadlänge), reiner Erfolgs-Rate und durchschnittlicher Suchdauer über 50 Episoden. Liefere eine 3-seitige Wissenschafts-Memo, ein Video mit 3 erfolgreichen und 3 fehlgeschlagenen Episoden plus Empfehlung.
Das Briefing
Was Du tust und was Du zeigst.
Vergleiche heuristische und gelernte Embodied-Vision-Such-Agenten auf Indoor-Szenen und entscheide, welcher Ansatz für den nächsten Engineering-Sprint priorisiert wird.
Earning criteria — what you'll demonstrate
- Embodied-Vision-Probleme in einem Simulator (Habitat) sauber aufsetzen
- Heuristische vs. gelernte Such-Agenten gegeneinander vermessen
- SPL als Embodied-Eval-Metrik korrekt anwenden und interpretieren
- Forschungs-Memo schreiben, die Engineering-Sprint-Entscheidungen lenkt
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML-Forscher:in
Heuristische vs. gelernte Agenten in Simulation sauber zu vergleichen und in einer Sprint-Entscheidungs-Memo zu landen, ist exakt der Mode angewandter ML-Forschung in Robotik-Startups.
Dieses Projekt schärft
- embodied-vision
- object-navigation
- evaluation
Forschungs-Wissenschaftler:in
SPL korrekt anwenden, Konfidenzintervalle berichten und die Sim-vs.-Real-Lücke ehrlich diskutieren ist die Methoden-Strenge, die Forschungs-Wissenschaftler:innen einfordern.
Dieses Projekt schärft
- embodied-vision
- reinforcement-learning
- evaluation
Computer-Vision-Ingenieur:in
Wahrnehmungs-Bausteine (Detektor pro Frame, Karten-Repräsentation) als Teil eines Agent-Stacks zu integrieren ist Alltag für CV-Ingenieur:innen in Robotik-Teams.
Dieses Projekt schärft
- embodied-vision
- object-navigation
- simulation
Noch eine Sache