Übersicht
Worum es bei diesem Projekt geht.
Du arbeitest in der Simulation (Gazebo + ROS 2). Die Hospital-Welt enthält 5 Korridore mit 8 bewegten Hindernissen (Geh-Trajektorien aus echten Spital-Pflege-Datensätzen). Implementiere einen Planer, der den globalen A*-Pfad mit einem lokalen Time-Elastic-Band (TEB) oder Dynamic Window Approach (DWA) kombiniert und prädiktive Hindernis-Trajektorien aus einem einfachen Konstantgeschwindigkeits-Modell nutzt. Ziel: Erfolgsrate über 30 Test-Episoden > 90 %, mittlere Beinahezusammenstöße (Abstand unter 30 cm zu einer Person) < 1 pro Episode. Liefere den ROS-2-Stack, eine Auswertungstabelle und ein 2-seitiges Memo mit den Trade-offs zwischen Sicherheit und Reisezeit.
Das Briefing
Was Du tust und was Du zeigst.
Baue einen Pfadplaner unter Unsicherheit, der in einem dynamischen Korridor Beinahezusammenstöße minimiert, ohne die Reisezeit zu verdoppeln.
Earning criteria — what you'll demonstrate
- Pfadplanungsverfahren unter Unsicherheit konzipieren und implementieren
- Globale und lokale Planung zu einem konsistenten Stack verbinden
- Sicherheits- und Performance-Metriken in einem dynamischen Umfeld definieren
- Trade-offs technisch verteidigen und visuell kommunizieren
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.
Computer-Vision-Ingenieur:in
Wahrnehmungs- und Planungs-Stacks in dynamischen Umgebungen sind die tägliche Arbeit von CV-Ingenieur:innen bei mobilen Robotikherstellern.
Dieses Projekt schärft
- motion-planning
- ros2
- evaluation
Maschinelles-Lernen-Ingenieur:in
Eine prädiktive Komponente in einen Planungs-Stack zu integrieren und gegen Erfolgsraten zu messen, übt das gleiche System-Denken, das MLE in produktiven ML-Pipelines brauchen.
Dieses Projekt schärft
- decision-under-uncertainty
- python
- evaluation
Angewandte:r KI-Wissenschaftler:in
Trade-offs zwischen Sicherheit und Effizienz datenbasiert zu verteidigen ist die Brückenarbeit, die angewandte KI-Wissenschaftler:innen in regulierten Branchen leisten.
Dieses Projekt schärft
- decision-under-uncertainty
- motion-planning
- simulation
Noch eine Sache