Promotionsstelle "Improving Motion Simulation Experience using Reinforcement Learning"
At a glance
Mid-level AI Research role at DLR. Oberpfaffenhofen.
Pay not stated AI Research salary
aimlroles summary, based on the employer's posting.
What you'll do
- Get familiar with the existing reinforcement-learning motion cueing algorithm and assess ways to measure simulation quality
- Create a simulator-quality metric and, if needed, validate it through studies comparing different motion cueing algorithms
- Develop faster ways to tune the reinforcement-learning algorithm’s parameters
- Extend the existing algorithm, potentially adding a vestibular model, more than six axes, or joint-angle calculations instead of Cartesian ones
What you bring
- A completed university degree in computer science or engineering
- Strong machine-learning knowledge and programming ability in C++ and Python
- Experience with motion simulation
Who this fits
This role suits someone with machine-learning and motion-simulation experience who wants to develop reinforcement-learning methods for simulator motion cueing. The position is in Oberpfaffenhofen.
From the employer
Herzlich willkommen am Institut für Flugsystemtechnik. Im Zentrum unserer Arbeit steht das Zusammenspiel von Flugzeugkonfiguration, Pilotinnen und Piloten und moderner Flugsystem-Technologie. Von der Flugdynamik bis zu unbemannten Luftfahrzeugen, von der Simulation bis zum realen Flugversuch – wir analysieren, testen und entwickeln Innovationen, die das Fliegen der Zukunft prägen.
Das erwartet dich
Bewegungssimulation wird in vielen Bereichen der Forschung und Entwicklung, aber auch zur Ausbildung (z.B. Pilotentraining) eingesetzt. Um dem Simulatorinsassen ein realistisches Empfinden zu vermitteln, wird ein sogenannter Motion Cueing Algorithm (MCA) genutzt, der die Bewegungen von der simulierten Anwendung in den meist deutlich kleineren Arbeitsraum der Bewegungsplattform transferiert. Dabei werden Eigenheiten der menschlichen Bewegungswahrnehmung ausgenutzt, wie Wahrnehmungsschwellen und die Dominanz des optischen Flusses. Da die Bewegungsplattform physikalische Beschränkungen hat und jeder Mensch unterschiedlich empfindet, ist die Suche nach einem immersiven Motion Cueing Algorithmus und dessen Parametrisierung ein herausforderndes Unterfangen.
Deine Aufgaben
- Einarbeitung in den bestehenden RL-MCA
- Durchführung einer Recherche, wie die Simulationsgüte quantifiziert werden kann
- Erstellung einer Metrik zur Quantifizierung der Simulatorgüte
- gegebenenfalls Durchführung von Studien zur Bestätigung der Metrik mit verschiedenen MCA
- Entwicklung von Methoden zur schnellen Parametrisierung des Reinforcement Learning MCA
- Entwicklung eines RL basierten MCA, der den bisherigen erweitert, beispielsweise um die Nutzung eines Modells des Vestibulärsystems, die Betrachtung von mehr als sechs Achsen und die Berechnung im Gelenkwinkelraum anstelle des kartesischen Raums
Das bringst du mit
- abgeschlossenes Hochschulstudium im Bereich Informatik oder Ingenieurswissenschaften
- fundierte Kenntnisse im Bereich Machine Learning
- Programmierkenntnisse in C++, Python
- Erfahrungen im Bereich Bewegungssimulation
Wir freuen uns darauf, dich kennenzulernen!
Fragen zu dieser Position (Kennziffer 5991) beantwortet dir gerne:
Dr. Andreas Seefried
Tel.: +49 8153 28 2470