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

DLR - Deutsches Zentrum für Luft- und Raumfahrt; Cochstedt; On-site; EUR 12,000 - 19,000; Full time

Job summary

DLR – Deutsches Zentrum für Luft- und Raumfahrt e. V. in Braunschweig/Cochstedt bietet eine Abschlussarbeit (6 Monate) zur lernbasierten Stellgrößenallokation für Morphing-UAVs.

Du entwickelst sichere Allokationsmethoden unter Modellunsicherheit und setzt Rückfallstrategien sowie Sicherheitsmechanismen um. Du bringst RL-Erfahrung, Python-Kompetenz und Kenntnisse in RL-Umgebungen mit. Die Arbeit erfolgt in Kooperation mit DLR, Prof.

Qualifications

• Immatrikulation in einem Masterstudiengang der Informatik, Regelungstechnik, Robotik, Luft- und Raumfahrttechnik oder verwandte 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

Responsibilities

• 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

Skills

Reinforcement Learning

Policy-Gradient-Verfahren (PPO/SAC)

Python-Programmierung

RL-Umgebungen (Gymnasium)

Education

Masterstudium Informatik/Regelungstechnik/Robotik/Luft- und Raumfahrttechnik oder vergleichbar

Tools

Gymnasium RL-Umgebungen

Job description

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

• Jobs
• Karriere
• DLR als Arbeitgeber

Unsere gemeinsamen Berufungen und Professuren finden Sie hier: Gemeinsame Berufungen / Professuren

Jetzt bewerben Abschlussarbeit (m/w/d): Lernbasierte Steuerallokation Für Morphing-UAVs Stellenbeschreibung Kennziffer: 6793 Arbeitsort: Braunschweig, Cochstedt Eintrittsdatum: Februar/März 2027 Karrierestufe: Studien- & Abschlussarbeit Beschäftigungsgrad: Vollzeit, Teilzeit Dauer der Beschäftigung: 6 Monate bzw. nach Prüfungsordnung

Vergütung: Die Vergütung erfolgt gemäß der jeweils geltenden Tarifverträge des öffentlichen Dienstes (Bund).
Hinweis: Voraussetzung für die Einstellung beim DLR ist die Sicherheitsüberprüfbarkeit nach dem Sicherheitsüberprüfungsgesetz (SÜG) sowie die Bereitschaft für eine Sicherheitsüberprüfung nach §8 ff. SÜG.

Steige ein in die faszinierende Welt des Deutschen Zentrums für Luft- und Raumfahrt e. V. (DLR), um mit Forschung und Innovation die Zukunft mitzugestalten! Mit dem Know-how und der Neugier unsererrund 12.000Mitarbeitenden aus 100 Nationen sowie unserer einzigartigen Infrastruktur bieten wir ein spannendes und inspirierendes Arbeitsumfeld. Gemeinsam entwickeln wir nachhaltige Technologien und tragen so zur Lösung globaler Herausforderungen bei. Möchtest du diese große Zukunftsaufgabe mit uns zusammen angehen? Dann ist dein Platz bei uns!

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.

Das bieten wir dir
Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen dir unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer6793) beantwortet dir gerne:

Mark Spiller
Tel.: [phone]