Auf einen Blick
- Aufgaben: Forsche an KI-gestützter Robotik und entwickle innovative Lernsysteme.
- Unternehmen: Werde Teil von Mercedes-Benz, einem der führenden Automobilhersteller weltweit.
- Vorteile: Flexible Arbeitszeiten, Essenszulagen und Mitarbeiterrabatte warten auf dich.
- Weitere Informationen: Starte deine Karriere ab Oktober 2026 und profitiere von exzellenten Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der Robotik und lerne von Experten in einem dynamischen Umfeld.
- Qualifikationen: Laufendes Masterstudium in Informatik, Robotik oder verwandten Bereichen erforderlich.
Das prognostizierte Gehalt liegt zwischen 2025 - 2475 € pro Monat.
Im Leben geht es darum, sich auf eine Reise zu begeben, um die beste Version unseres zukünftigen Selbst zu werden. Während wir Neues entdecken, stellen wir uns Herausforderungen, meistern sie und wachsen über uns hinaus. Bewerben Sie sich bei Mercedes-Benz und finden Sie den Aufgabenbereich, in dem Sie Ihre Talente individuell entfalten können. Dabei werden Sie von visionären Kolleginnen und Kollegen unterstützt, die Ihren Pioniergeist teilen.
Die Mercedes-Benz Group AG ist eines der erfolgreichsten Automobilunternehmen der Welt. Mit der Mercedes-Benz AG gehört der Fahrzeughersteller zu den größten Anbietern von Premium- und Luxus-Pkw und Vans. In unserem crossfunktionalen Team AI Research – Physical AI erforschen wir neueste Technologien für KI-gestützte Robotikarchitekturen und moderne AI-Stacks. Ein zentrales Forschungsfeld ist das Lernen komplexer Manipulationsfähigkeiten aus menschlichen Demonstrationen. In dieser Masterarbeit untersuchst du, wie Teleoperation, Demonstrationsdaten und Vision-Language-Action-Modelle zur Entwicklung leistungsfähiger Robot-Learning-Systeme eingesetzt werden können.
Dextere Roboterhände ermöglichen die Ausführung komplexer Manipulationsaufgaben und gelten als wichtiges Anwendungsfeld moderner Robot-Learning-Verfahren. Aktuelle Learning-from-Demonstration- und Vision-Language-Action-Ansätze versprechen eine effiziente Übertragung menschlicher Fähigkeiten auf Robotersysteme. Offen ist jedoch, welche Faktoren die Lernleistung und Generalisierungsfähigkeit dieser Verfahren maßgeblich beeinflussen.
Ziel der Arbeit ist die wissenschaftliche Untersuchung des Zusammenhangs zwischen Demonstrationsdaten, Teleoperationsverfahren und der Leistungsfähigkeit moderner Robot-Learning-Ansätze. Hierzu werden Demonstrationsdaten mit einer dexteren Roboterhand erhoben, verschiedene Lernverfahren trainiert und deren Generalisierungsfähigkeit unter unterschiedlichen Versuchsbedingungen systematisch evaluiert.
Mögliche Forschungsfragen sind:
- Welchen Einfluss hat die Qualität des Hand-Retargetings auf die Leistungsfähigkeit gelernter Manipulationsstrategien?
- Wie wirken sich Größe und Diversität des Demonstrationsdatensatzes auf Erfolgsrate und Generalisierungsfähigkeit aus?
- Welchen Einfluss haben unterschiedliche Kamerakonfigurationen und Sensorsysteme auf die Lernleistung?
- In welchem Umfang profitieren Vision-Language-Action-Modelle von aufgabenspezifischem Fine-Tuning im Vergleich zu klassischen Imitation-Learning-Verfahren?
- Welche Faktoren limitieren die Übertragbarkeit teleoperierter Demonstrationen auf unbekannte Objekte und Manipulationsszenarien?
Die Arbeit soll neue wissenschaftliche Erkenntnisse über den Zusammenhang zwischen Teleoperation, Demonstrationsdatenqualität und der Leistungsfähigkeit moderner Robot-Learning-Verfahren liefern. Die Ergebnisse sollen zu einem besseren Verständnis beitragen, wie sich dextere Manipulationsfähigkeiten mithilfe von Learning-from-Demonstration-Ansätzen und Vision-Language-Action-Modellen effizient von Menschen auf Robotersysteme übertragen lassen. Darüber hinaus sollen konkrete Empfehlungen hinsichtlich Datenerfassung, Demonstrationsqualität, Sensorik und Modelltraining für zukünftige robotische Lernsysteme abgeleitet werden.
Diese Herausforderungen kommen auf Dich zu:
- Literaturrecherche zu dexterer Teleoperation, Hand-Retargeting, Imitation Learning sowie modernen Vision-Language-Action-Modellen (z. B. ACT, Diffusion Policy, OpenVLA oder π0)
- Aufbau bzw. Erweiterung einer Teleoperationsplattform zur Steuerung einer fünffingrigen Roboterhand
- Entwicklung einer Hand-Retargeting-Pipeline zur Übertragung menschlicher Handbewegungen auf die Kinematik einer dexteren Roboterhand unter Erhalt der Manipulationsabsicht
- Definition repräsentativer Manipulationsaufgaben sowie Aufbau einer synchronisierten Datenerfassungs-Pipeline zur Integration von Mehrkamera-Bilddaten, propriozeptiven Signalen und Roboteraktionen
- Erhebung, Aufbereitung und Analyse eines Demonstrationsdatensatzes für Learning-from-Demonstration-Ansätze
- Training und Benchmarking von Imitation-Learning-Baselines sowie Fine-Tuning moderner Vision-Language-Action-Modelle auf den erhobenen Daten
- Planung und Durchführung kontrollierter Experimente zur Untersuchung des Einflusses von Demonstrationsqualität, Datenmenge, Datensatzdiversität und Sensorik auf die Modellleistung
- Wissenschaftliche Evaluation der resultierenden Strategien auf einer realen Roboterplattform hinsichtlich Erfolgsrate, Robustheit und Generalisierung auf unbekannte Objekte, Objektlagen und Manipulationssituationen
- Analyse der Ergebnisse sowie Ableitung wissenschaftlich fundierter Empfehlungen für effiziente Learning-from-Demonstration-Systeme
Die Tätigkeit kann ab Oktober 2026 beginnen.
Profil:
- Laufendes Masterstudium der Informatik, Robotik, Künstlichen Intelligenz, Elektrotechnik oder eines vergleichbaren Studiengangs
- Gute Python-Kenntnisse sowie erste Erfahrungen mit Machine Learning oder Robotik
- Interesse an Robot Learning, Computer Vision und Embodied AI
- Idealerweise praktische Erfahrungen mit Deep Learning Frameworks (z. B. PyTorch) und Linux
- Selbstständige, strukturierte und wissenschaftliche Arbeitsweise
- Sichere Deutsch- und Englischkenntnisse in Wort und Schrift
- Engagement und Teamfähigkeit
Zusätzliche Informationen:
Wir freuen uns auf Deine Online-Bewerbung mit Lebenslauf, Anschreiben, Zeugnissen, aktueller Immatrikulationsbescheinigung mit Angabe des Fachsemesters und Nachweis über die Regelstudienzeit. Bitte vergiss nicht im Online-Formular Deine Dokumente als "relevant für diese Bewerbung" zu markieren und die maximale Dateigröße von 5 MB zu beachten.
Schwerbehinderte und gleichgestellte Bewerbende sind herzlich willkommen! Die Schwerbehindertenvertretung (sbv-sindelfingen@mercedes-benz.com) unterstützt Dich gerne im Bewerbungsprozess. People Solutions hilft Dir bei Fragen zum Bewerbungsprozess gerne weiter. Du erreichst uns per E-Mail über myhrservice@mercedes-benz.com oder telefonisch unter 0711/17-99000 (Mo-Fr 10-12 Uhr & 13-15 Uhr).
Wir bieten:
- Essenszulagen
- Mitarbeiterhandy möglich
- Mitarbeiterrabatte möglich
- Mitarbeiterbeteiligung möglich
- Mitarbeiter Events
- Coaching
- Flexible Arbeitszeit möglich
- Hybrides Arbeiten möglich
- Gesundheitsmaßnahmen
- Betriebliche Altersversorgung
- Mobilitätsangebote
- Parkplatz
- Betriebsarzt
- Gute Anbindung
- Barrierefreiheit
- Kinderbetreuung
- Kantine, Café
Student*in für Masterarbeit: Learning Dexterous Robot Manipulation from Human Demonstrations Arbeitgeber: Arbeitgeber aus der Region
Autoland bietet Ihnen als Einkäufer im Außendienst (m/w/d) eine herausfordernde und abwechslungsreiche Tätigkeit in einem der größten herstellerunabhängigen Automobilhandelsunternehmen Deutschlands. Mit flexiblen Einsatzmöglichkeiten, exzellenten Verdienstchancen und einem umfassenden Onboarding-Programm fördern wir Ihre persönliche und berufliche Entwicklung in einem dynamischen Team, das sich durch hohe Kundenorientierung und Qualität auszeichnet.
Kontaktdaten:
Arbeitgeber aus der Region Recruiting-Team
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Student*in für Masterarbeit: Learning Dexterous Robot Manipulation from Human Demonstrations erhalten könntest
✨Sei auf Messen und Events aktiv!
Besuche Messen und Events, die sich um Robotik drehen, wie die AUTOMATICA oder IROS. Dort kannst du direkt zu den Firmen gehen, die dich interessieren, und vielleicht sogar ein Praktikum bei Arbeitgeber aus der Region ergattern!
✨Nutze deine Hochschule!
Viele Unis haben spezielle Karriere-Services oder Jobbörsen für Praktika in technischen Bereichen. Sprich mit deinen Professoren oder Besuch die Karrieremesse an deiner Hochschule. Dort könntest du sogar direkt den Kontakt zu Arbeitgeber aus der Region knüpfen!
✨Engagiere dich in der Community!
Schau dir Online-Communities oder lokale Meetups im Bereich Robotik an. Sei es über Reddit, Meetup oder Facebook-Gruppen – dort finden oft Networking-Events statt, wo du deine Fähigkeiten zeigen und dich mit potenziellen Arbeitgebern wie Arbeitgeber aus der Region vernetzen kannst.
✨Bewirb dich direkt über die Website!
Wenn du bei Arbeitgeber aus der Region ein Praktikum machen möchtest, schau direkt auf deren Website nach offenen Stellen. Oft haben sie spezielle Bereiche für Praktika, die nicht überall beworben werden. Ein direkter Kontakt erhöht deine Chancen auf einen Platz!
Wir glauben, dass du diese Fähigkeiten brauchst, um Student*in für Masterarbeit: Learning Dexterous Robot Manipulation from Human Demonstrations mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Zeig deine technischen Skills!:Im Bereich Robotik sind technische Fähigkeiten das A und O. Stelle sicher, dass du in deinem Lebenslauf alle relevanten Erfahrungen aufführst, wie z.B. Projekte zu Robotik-Systemen oder Programmierkenntnisse in Sprachen wie Python oder C++. Wenn du an Wettbewerben oder Hackathons teilgenommen hast, erwähne auch das!
Praktische Erfahrungen sind Gold wert:Für ein Praktikum in der Robotik suchen die meisten Firmen wie Arbeitgeber aus der Region nach dem praktischen Know-how. Hattest du die Möglichkeit, an realen Robotik-Projekten zu arbeiten, sei es im Studium oder privat? Mach das deutlich in deinem Anschreiben. Beschreibe, welche Herausforderungen du gemeistert hast und was du dabei gelernt hast.
Deine Motivation zählt:In deinem Anschreiben solltest du ganz klar machen, warum du gerade im Bereich Robotik ein Praktikum machen möchtest. Erkläre, wie deine Passion für Technik und Innovation dich motiviert. Das zeigt, dass du nicht nur ein weiteres Praktikum suchst, sondern wirklich an diesem Bereich interessiert bist.
Pack deinen Lebenslauf richtig an:Achte darauf, deinen Lebenslauf übersichtlich zu gestalten, und benutze klare Kategorien wie: Ausbildung, relevante Projekte, Fähigkeiten und Softwarekenntnisse. Das lässt deinen Lebenslauf nicht nur professionell aussehen, sondern hilft uns auch bei Arbeitgeber aus der Region, schnell die wichtigen Infos zu finden. Und vergiss nicht, deine Verfügbarkeit im Praktikum zu erwähnen!
Wie man sich auf ein Vorstellungsgespräch bei Arbeitgeber aus der Region vorbereitet
✨Verstehe die Grundlagen der Robotik
Wir sollten sicherstellen, dass du die grundlegenden Prinzipien der Robotik beherrschst. Sei bereit, Grundlagen wie Kinematik, Sensorik und Aktorik zu erklären. Vielleicht stellt das Interviewteam dir auch technische Fragen zu spezifischen Robotik-Tools oder -Programmen, die in der Branche üblich sind.
✨Praktische Erfahrung präsentieren
Wenn du bereits an Projekten oder Praktika in der Robotik gearbeitet hast, bringe diese Erfahrungen ins Spiel. Es kann hilfreich sein, über konkrete Beispiele zu sprechen, bei denen du selbst Hand angelegt hast, sei es beim Programmieren eines Roboters oder beim Lösen technischer Probleme in einem Projekt.
✨Motivation und Lernbereitschaft zeigen
Da du ein Praktikum anstrebst, ist es wichtig, dass du deine Motivation und Lernbereitschaft kommunizierst. Überlege dir, warum du in der Robotik arbeiten möchtest und welche spezifischen Bereiche dich am meisten interessieren. Das kann dir helfen, während des Interviews authentisch und leidenschaftlich zu wirken.
✨Vorbereitung auf Teamarbeit und Kommunikation
In der Robotik arbeite oft im Team an Projekten, daher solltest du bereit sein, über deine Erfahrungen mit Teamarbeit zu sprechen. Überlege dir, wie du Probleme gelöst oder mit anderen kommuniziert hast. Dies könnte besonders wichtig sein, da viele Unternehmen in der Robotik Wert auf interaktive und kollaborative Arbeitsweisen legen.
