Bin-Picking mit Reinforcement Learning - Praktikum

WIR BEI FRAUNHOFER BIETEN IHNEN AB SOFORT EINE SPANNENDE TÄTIGKEIT IM BEREICH Bin-Picking mit Reinforcement Learning - Praktikum Themenfeld: Die Abteilung „Roboter- und Assistenzsysteme“ gestaltet Automatisierungslösungen für industrielle Anwendungen. Der „Griff-in-die-Kiste“ (engl.: Bin-Picking) gilt seit Jahren als Königsdisziplin in der Robotik und steht für die Vereinzelung von chaotisch gelagerten Werkstücken mit Robotern. Die am Fraunhofer IPA entwickelte und mehrfach industriell eingesetzte Software „BinPicking3d - bp3™“ (https://www.youtube.com/watch?v=xhTkgajg8wQ ) ermittelt die Objektlage unter Verwendung von CAD-Modellen und 3D-Sensorinformationen, identifiziert geeignete Greifpunkte und generiert kollisionsfreie Pfade zur Entnahme und definierten Ablage von Bauteilen.Herausforderungen: Aktuelle Lösungen zum „Griff-in-die-Kiste“ benötigen Expertenwissen und haben einen hohen Konfigurationsaufwand. Beispielsweise müssen Parameter für die Objektlageerkennung, Greifpunkte am Objekt, Notgriffe, etc. manuell eingeteacht werden, was eine Skalierbarkeit einschränkt. Auch gilt es die Taktzeit zu reduzieren, Ablagegenauigkeit der Objekte und Robustheit zu erhöhen und einen Umgang mit schwierigen Teilen (z.B. deformierbar, verhaken, klein, flach, spiegelnd, …) zu ermöglichen.Ausschreibung für die Fachrichtungen: Automatisierungstechnik Informatik Maschinenbau Mathematik Softwareengineering Mechatronik Was Sie mitbringen Sehr gute Deutsch- oder Englischkenntnisse Kenntnisse im Bereich neuronale Netzwerke und Deep Learning Kenntnisse im Bereich Reinforcement Learning vorteilhaft Gute Programmierkenntnisse Faszination für Robotik Hohes Maß an Selbstständigkeit, Eigeninitiative und Einsatzbereitschaft Team- und Kommunikationsfähigkeit Was Sie erwarten können Ihr Praktikum: Im Rahmen Ihres Praktikums untersuchen Sie inwiefern maschinelle Lernverfahren (insbesondere Deep Learning) und Simulation dazu beitragen können, die Autonomie und Leistungsfähigkeit beim „Griff-in-die-Kiste“ zu steigern. Insbesondere ist der Prozess zur Vereinzelung von Objekten mittels Reinforcement Learning (bestärkendes Lernen) in einer Simulation zu implementieren. Die Stelle ist auf eine Dauer von vier bis sechs Monaten ausgelegt. Eine an das Praktikum angeschlossene Erstellung einer Bachelor- oder Masterarbeit ist wünschenswert, aber nicht zwingend erforderlich. Die Vergütung richtet sich nach den Richtlinien des Bundes über Praktikantenvergütungen. Fraunhofer ist die größte Organisation für anwendungsorientierte Forschung in Europa. Unsere Forschungsfelder richten sich nach den Bedürfnissen der Menschen: Gesundheit, Sicherheit, Kommunikation, Mobilität, Energie und Umwelt. Wir sind kreativ, wir gestalten Technik, wir entwerfen Produkte, wir verbessern Verfahren, wir eröffnen neue Wege. http://www.ipa.fraunhofer.de Kennziffer: IPA-2020-109 Bewerbungsfrist: - Zurück Bewerben © Fraunhofer-Gesellschaft Kontakt Impressum Datenschutzerklärung