Auf einen Blick
- Aufgaben: Entwickle ein Framework für die visionsbasierte 4D-Belegungsvorhersage mit fortschrittlichen Technologien.
- Unternehmen: Innovatives Unternehmen im Bereich autonomes Fahren mit einem kreativen Team.
- Vorteile: Flexible Arbeitszeiten, spannende Projekte und Unterstützung bei Konferenzeinreichungen.
- Weitere Informationen: Dynamisches Umfeld mit hervorragenden Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft des autonomen Fahrens und arbeite an bahnbrechenden Technologien.
- Qualifikationen: Masterstudium in Informatik oder verwandten Bereichen, gute Programmierkenntnisse in Python.
Das prognostizierte Gehalt liegt zwischen 1000 - 1500 € pro Monat.
Kurzbeschreibung
Die semantische 4D-Belegungsvorhersage (Semantic 4D Occupancy Forecasting) ist von entscheidender Bedeutung für sicheres autonomes Fahren, da sie es Fahrzeugen ermöglicht, zukünftige Szenendynamiken und -geometrien zu antizipieren.
Das Training moderner State-of-the‑Art‑Modelle stützt sich jedoch stark auf vollständig überwachte Methoden (fully supervised methods), die massive und extrem teure, dichte 3D‑Voxel‑Annotationen erfordern.
Um diesen Datenengpass zu überwinden, verlagert sich die Spitzenforschung zunehmend hin zu selbstüberwachten (self‑supervised) und schwach überwachten (weakly‑supervised) Paradigmen, die vortrainierte 2D‑Foundation‑Modelle (z.
DINOv2, CLIP oder SAM) nutzen.
Durch die Ausrichtung (Alignment) dieser reichhaltigen Open‑Vocabulary 2D‑Semantikmerkmale an räumlichen 3D‑/4D‑Repräsentationen mithilfe fortschrittlicher Transformer‑Architekturen ist es möglich, ein robustes räumlich‑zeitliches Verständnis ohne dichte 3D‑Ground‑Truth‑Daten zu erreichen.
Aufbauend auf diesen Durchbrüchen konzentriert sich diese Masterarbeit auf die Entwicklung eines Foundation‑Model‑basierten Frameworks für die visionsbasierte 4D‑Belegungsvorhersage.
Deine Aufgabe wird es sein, eine Architektur zu entwerfen, die reichhaltige Multi‑View‑Semantiken in eine 4D‑Vorhersage‑Pipeline destilliert und so die Lücke zwischen skalierbaren, rein kamerabasierten Eingaben und hochpräzisen (high‑fidelity) Umgebungsvorhersagen schließt.
Bei herausragenden Ergebnissen unterstützen und fördern wir ausdrücklich eine Einreichung bei hochrangigen Fachkonferenzen (Top‑Tier).
- Diese Aufgaben interessieren Dich
- Entwicklung eines Transformer‑basierten Netzwerks zur Vorhersage der zukünftigen semantischen 4D‑Belegung (4D Occupancy) aus sequenziellen Multi‑View‑Kameradaten mittels schwacher oder Selbstüberwachung (weak / self‑supervision).
- Aufbau und Training der Py Torch‑Pipeline sowie Entwurf von Alignment‑Mechanismen, um semantische Merkmale aus 2D‑Foundation‑Modellen in die räumlich‑zeitliche 4D‑Repräsentation zu destillieren.
- Benchmarking gegen vollständig überwachte (fully‑supervised) Baselines auf großen Datensätzen (z.
B. nu Scenes, Open Occupancy) mit besonderem Fokus auf Vorhersagegenauigkeit (Io U), semantischer Präzision und Label‑Effizienz.
- Das zeichnet Dich aus
- Du bist eingeschrieben in einem Masterstudium der Informatik, Künstlichen Intelligenz, Robotik oder eines vergleichbaren Studiengangs.
- Du verfügst über sehr gute Programmierkenntnisse in Python sowie fundierte Erfahrung mit Deep‑Learning‑Frameworks (insbesondere Py Torch).
- Du bringst fundiertes Hintergrundwissen im Bereich 3D Computer Vision mit.
Praktische Erfahrung mit semantischer Segmentierung, Occupancy Networks oder 3D Gaussian Splatting ist von großem Vorteil.
- Du besitzt Kenntnisse über Vision Transformers (Vi T), Foundation Models (DINO, CLIP) sowie Paradigmen des selbst‑ bzw. schwach überwachten Lernens (Self‑/Weakly‑Supervised Learning).
- Du hast eine selbstständige und lösungsorientierte Arbeitsweise, hohe Motivation sowie sehr gute Englisch‑ und Deutschkenntnisse (C1‑Niveau) für eine klare Kommunikation im Team und mit unseren Partnern.
- Deine Ansprechpartnerin
- Daniela
- #J-18808-Ljbffr
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Masterand (all genders) - Semantic 4D Occupancy Forecasting erhalten könnten
✨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 Xitaso 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 Xitaso 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 Xitaso vernetzen kannst.
✨Bewirb dich direkt über die Website!
Wenn du bei Xitaso 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 Masterand (all genders) - Semantic 4D Occupancy Forecasting 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 Xitaso 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 Xitaso, schnell die wichtigen Infos zu finden. Und vergiss nicht, deine Verfügbarkeit im Praktikum zu erwähnen!
Wie man sich auf ein Vorstellungsgespräch bei Xitaso 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.
