Abschlussarbeit (m/w/d): Lernbasierte Steuerallokation Für Morphing-UAVs

German Aerospace Center (DLR); Braunschweig; On-site; EUR 24,000 - 36,000; Part time

Job summary

Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) sucht im Institut für Flugsystemtechnik motivierte Master-Studierende für ein sicherheitsorientiertes RL-Forschungsprojekt. Sie arbeiten an der Stellgrößenallokation eines UAV mit Modellunsicherheit und entwickeln lernbasierte Konzepte unter Einsatz von CBF-Sicherheitsfiltern.

Sie sollten RL-Erfahrung, Python-Kompetenzen und Kenntnisse in Regelungstechnik mitbringen und sind bereit, eine Zuverlässigkeitsüberprüfung gemäß SÜG zu durchlaufen.

Qualifications

• Student/in im Masterstudium mit Fokus RL oder Regelungstechnik.
• Praktische RL-Erfahrung ist zwingend erforderlich.
• Erfahrung mit RL-Umgebungen wie Gymnasium/OpenAI Gym erwünscht.
• Gute Kenntnisse in Regelungstechnik und Flugregelung von Vorteil.
• Sehr gute Python-Programmierkenntnisse sind erforderlich.

Responsibilities

• Literaturrecherche zu lernbasierten Methoden für sichere Stellgrößenallokation.
• Vergleich von Unsicherheitsansätzen hinsichtlich Garantien und Echtzeitfähigkeit.
• Entwicklung eines lernbasierten Konzepts für UAV-Stellgrößenallokation.
• Integration von Sicherheitsmechanismen (z. B. CBF) in Ansätze.
• Training und Benchmarking der Ansätze unter variierenden Betriebsbedingungen.

Skills

RL-Erfahrung

Policy-Gradient-Verfahren

Python-Programmierung

Regelungstechnik

Unsicherheitsmodellierung

Education

Immatrikulation Masterstudiengang Informatik, Regelungstechnik, Robotik oder Luft- und Raumfahrttechnik

Tools

OpenAI Gym

Job description

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

In dieser Arbeit wird ein sicherer, lernbasierter Ansatz zur Stellgrößenallokation für ein UAV mit Hinterkanten-Morphing-Flügel unter Modellunsicherheit entwickelt. Die Allokation muss die primären Regelungsziele erfüllen und gleichzeitig die Aktuatorredundanz für sekundäre Ziele nutzen. Ein zentraler Bestandteil ist der Umgang mit Modellunsicherheit, z. B. durch adaptive Verfahren, Störgrößenbeobachter, mengenbasierte Methoden oder statistisches Lernen. Ein weiterer Schwerpunkt liegt auf der Lösbarkeit des Allokationsproblems, einschließlich Rückfallstrategien, Schlupfvariablen, adaptiver Gewichtung, Parameteroptimierung und expliziter Lösbarkeitszertifikate. Die Arbeit wird gemeinsam vom DLR und Prof. Mayank Shekhar Jha (CRAN, CNRS, Université de Lorraine, Frankreich) betreut.

Deine Aufgaben

• Literaturrecherche zu lernbasierten Methoden für eine sichere und lösbare Stellgrößenallokation unter Modellunsicherheit
• Vergleich von Ansätzen zum Umgang mit Unsicherheit (adaptiv, beobachterbasiert, mengenbasiert, statistisches Lernen) hinsichtlich Garantien, Annahmen und Echtzeitfähigkeit
• Entwicklung eines lernbasierten Konzepts zur Stellgrößenallokation für ein UAV mit Hinterkanten-Morphing-Flügel unter Modellunsicherheit
• Integration von Sicherheitsmechanismen (z. B. CBF-basierte Sicherheitsfilter) und Strategien zur Sicherstellung der Lösbarkeit (Rückfallstrategien, Schlupfvariablen, Lösbarkeitszertifikate)
• Training und Benchmarking der entwickelten Ansätze unter variierenden Betriebsbedingungen und Modellunsicherheiten

Das bringst du mit

• Immatrikulation in einem Masterstudiengang der Informatik, Regelungstechnik, Robotik, Luft- und Raumfahrttechnik oder einer verwandten Fachrichtung
• Praktische Erfahrung mit Reinforcement Learning ist zwingend erforderlich, idealerweise mit Policy-Gradient-Verfahren wie PPO oder SAC
• Praktische Erfahrung mit Gymnasium oder vergleichbaren RL-Umgebungen ist zwingend erforderlich
• Gute Kenntnisse der Regelungstechnik, insbesondere im Flugreglerentwurf, sind von Vorteil
• Sehr gute Programmierkenntnisse in Python
• Selbstständige, strukturierte Arbeitsweise und großes Interesse an der Verbindung von RL, Regelungstechnik und sicherheitskritischen autonomen Systemen
• Bereitschaft zur Durchführung einer Zuverlässigkeitsüberprüfung nach
• 7 Luftsicherheitsgesetz

Voraussetzung für die Arbeit in Cochstedt beim DLR ist die Sicherheitsüberprüfbarkeit nach dem Sicherheitsüberprüfungsgesetz (SÜG) sowie die Bereitschaft für eine Sicherheitsüberprüfung nach

• 8 ff. SÜG.

Wir freuen uns darauf, dich kennenzulernen!