SLAM-Pipeline für fahrerlose Transportfahrzeuge in einer Werkshalle
Übersicht
Worum es bei diesem Projekt geht.
Du baust einen SLAM-Stack für fahrerlose Transporter in einer Werkshalle und erhältst ein verifizierbares Zertifikat.
Das Szenario
Der Anbieter (rund 90 Mitarbeitende, knapp 600 ausgelieferte FTF) verkauft hauptsächlich an Tier-2-Automobilzulieferer auf der Schwäbischen Alb; jeder Layout-Umbau mit Magnetband kostet den Kunden zwischen 15.000 und 40.000 Euro Stillstand.
Das Briefing
Was Du tust und was Du zeigst.
Baue einen 2D-SLAM-Stack, der einen FTF-Prototyp ohne bauliche Infrastruktur auf 5 cm genau lokalisiert und nach Kidnapping wiederfindet.
Earning criteria — what you'll demonstrate
- SLAM-Verfahren auf realen Sensordaten anwenden und parametrieren
- Odometrie und Laserdaten fusionieren und systematische Drift identifizieren
- Lokalisierungsgüte mit Ground-Truth-Daten quantitativ bewerten
- Eine Wahrnehmungspipeline reproduzierbar verpacken und dokumentieren
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.
- Slam
Apply slam to solve real industry problems and demonstrate production-level capability.
- Sensor Fusion
Apply sensor fusion 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.
Computer-Vision-Ingenieur:in
Eine SLAM-Pipeline auf realen Werkshallen-Daten zu bauen und gegen Ground Truth zu validieren entspricht dem Tagesgeschäft von Computer-Vision-Ingenieur:innen bei Intralogistik- und FTF-Herstellern.
Dieses Projekt schärft
- slam
- sensor-fusion
- evaluation
Maschinelles-Lernen-Ingenieur:in
Das reproduzierbare Verpacken einer Wahrnehmungspipeline mit Docker und Auswertungs-Notebooks spiegelt direkt, wie MLE Feature- und Inferenz-Pipelines in Produktion bringen.
Dieses Projekt schärft
- python
- ros2
- evaluation
Angewandte:r KI-Wissenschaftler:in
Methodenwahl auf Datenbasis zu begründen und in einem Memo zu verteidigen ist die Kernfähigkeit, die Industriepartner von angewandten KI-Wissenschaftler:innen erwarten.
Dieses Projekt schärft
- slam
- evaluation
- robot-localization
Noch eine Sache