Über uns Im Autonomous Vehicle Lab gestalten wir mit intelligenten Algorithmen und Methoden das Fahrzeug der Zukunft. Dabei sind wir an zahlreichen Projekten beteiligt, in denen moderne Methoden der künstlichen Intelligenz für autonome Fahrzeuge untersucht und weiterentwickelt werden. Unsere eigens entwickelte Software für autonome Fahrzeuge kommt in größeren Projekten wie dem Roborace oder der Indy Autonomous Challenge zum Einsatz. Dabei forschen wir an aktuellen Problemfeldern in den Bereichen Perception, Planning und Control. Durch die besondere Betrachtung komplexer Szenarien, wie beispielsweise fahrdynamischer Grenzbereiche, unstrukturierter Umgebungen oder auch der Problemstellungen aus der Ethik erweitern wir den Stand der Wissenschaft. Unsere Forschungsergebnisse publizieren wir nicht nur auf zahlreichen Konferenzen und in Journals, sondern wir stellen unsere entwickelte Software auf Github Open Source zur Verfügung.
Aufgaben Im Rahmen eines öffentlichen Forschungsprojekts arbeitest Du innerhalb eines Teams am Lehrstuhl für Fahrzeugtechnik an datenbasierten Methoden zur Objektdetektion als Teil der Gesamtsoftware autonomer Fahrzeuge. Ein besonderer Fokus soll dabei auf innovativen Ansätzen zur Fusion von Kamera- und Radardaten liegen. Dazu haben wir am Lehrstuhl ein autonomes Forschungsfahrzeug mit modernster multimodaler Sensorik (Kamera, Lidar, Radar), mit Hilfe dessen ein umfassender Datensatz erstellt und veröffentlicht werden soll. Im weiteren Verlauf des Projektes soll der entwickelte Algorithmus in einer Gesamtsoftware eingesetzt werden, um eine Demonstrationsfahrt im Realverkehr zu absolvieren.
Anforderungen Du möchtest zukünftige Technologien mit Deinen eigenen Ideen beeinflussen? Du möchtest in einem Team an den Herausforderungen des autonomen Fahrens arbeiten? Du interessierst Dich für Prädiktionsmethoden und Deep Learning und verfügst bereits über umfassende Programmierkenntnisse?
Dann ist diese Stelle genau das Richtige für Dich!
Zusammengefasst bringst Du mit:
- Sehr gute Programmierkenntnisse, idealerweise in Python oder C/C++
- Erfahrung mit Deep Learning
- Kreativität bei der Lösungsfindung
- Eine strukturierte und selbstständige Arbeitsweise
- Verhandlungssicherheit in Wort und Schrift in Deutsch und Englisch
- Einen Abschluss in einer der Fachrichtungen: Maschinenbau/Fahrzeugtechnik, Elektro- und Informationstechnik, Informatik/Mathematik oder ähnlich mit sehr gutem Erfolg (besser als 2,0)
Wir bieten - Befristete Vollzeitstelle als wissenschaftlicher Mitarbeiter (TV-L E-13) für insgesamt 3 Jahre
- Breites Forschungsgebiet mit hohem wissenschaftlichem Austausch
- Moderne Arbeitsumgebung und Infrastruktur
- Bei entsprechender Eignung die Möglichkeit zur Promotion
- Eigenes Budget für Fortbildungen und Tagungen
- Möglichkeit zum Auslandsaufenthalt
Bei entsprechender Eignung bietet sich die Möglichkeit zur Promotion. Der Lehrstuhl für Fahrzeugtechnik strebt eine Erhöhung seines Frauenanteils an und fordert daher qualifizierte Frauen nachdrücklich zur Bewerbung auf. Schwerbehinderte werden bei gleicher Eignung und Qualifikation bevorzugt eingestellt.
Deine vollständige, schriftliche Bewerbung (Anschreiben, Lebenslauf, Abiturzeugnis, Bachelorzeugnis, Masterzeugnis, Bestätigungen über Praktika) in deutscher Sprache richtest Du bitte an:
Christiane Schulte
bewerbung.ftm@ed.tum.de
Lehrstuhl für Fahrzeugtechnik
Boltzmannstraße 15
85748 Garching
Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt.
Hinweis zum Datenschutz:
Im Rahmen Ihrer Bewerbung um eine Stelle an der Technischen Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. Durch die Übermittlung Ihrer Bewerbung bestätigen Sie, dass Sie die Datenschutzhinweise der TUM zur Kenntnis genommen haben.
Kontakt: maximilian.geisslinger@tum.de