Sensorfusion für eine autonome Erntemaschine in Niederbayern
Übersicht
Worum es bei diesem Projekt geht.
Fusioniere GPS, IMU und Radencoder für eine autonome Erntemaschine, begrenze Drift auf 30 cm und erhalte dein verifizierbares Zertifikat.
Das Szenario
Der Hersteller (rund 40 Mitarbeitende, 12 Prototypen im Feld) zielt auf mittelständische Lohnunternehmer im süddeutschen Raum; eine Pose-Drift von mehr als 50 cm während GPS-Ausfällen führt zu Schneidkopf-Fehlführung und Ertragsverlust pro Hektar.
Das Briefing
Was Du tust und was Du zeigst.
Konfiguriere einen Sensorfusions-Filter, der GPS, IMU und Odometrie so kombiniert, dass die Pose-Drift bei 60-Sekunden-GPS-Ausfällen unter 30 cm bleibt.
Earning criteria — what you'll demonstrate
- Erweiterten Kalman-Filter auf reale Mehrsensor-Daten anwenden
- Kovarianz-Matrizen sinnvoll setzen und die Sensitivität messen
- GPS-Ausfälle und Sensor-Drift quantitativ analysieren
- Konfigurations-Entscheidungen technisch verteidigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Robot Perception and Autonomy
Master · Applied Ai
Strong alignment
This challenge maps to Robot Perception and Autonomy at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Sensor Fusion
Apply sensor fusion to solve real industry problems and demonstrate production-level capability.
- Kalman Filter
Apply kalman filter to solve real industry problems and demonstrate production-level capability.
- Ros2
Apply ros2 to solve real industry problems and demonstrate production-level capability.
- Robot Localization
Apply robot localization to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Maschinelles-Lernen-Ingenieur:in
Sensorfusion mit datenbasierter Parameterwahl und sauberer Auswertung trainiert genau die Disziplin, die MLE bei Feature- und Schätzungs-Pipelines anwenden müssen.
Dieses Projekt schärft
- sensor-fusion
- evaluation
- python
Computer-Vision-Ingenieur:in
Wahrnehmungs- und Lokalisierungs-Stacks sind in autonomen Maschinen Kernarbeit; diese Challenge gibt eine vollständige Pipeline zum Vorzeigen.
Dieses Projekt schärft
- sensor-fusion
- kalman-filter
- robot-localization
Angewandte:r KI-Wissenschaftler:in
Konfigurations-Wahl mit Daten begründen und in einem Memo verteidigen ist genau die Brückenfunktion zwischen Forschung und Produkt, die angewandte KI-Wissenschaftler:innen täglich leisten.
Dieses Projekt schärft
- kalman-filter
- evaluation
- robot-localization
Noch eine Sache