Masterarbeit (w/m/d) - Reinforcement Learning basierte Flugregelung

Stellenbeschreibung:

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

Die autonome Flugregelung stützt sich zunehmend auf Reinforcement Learning (RL), um direkt aus Daten und Interaktionen leistungsstarke Regelungsstrategien zu entwickeln. RL kann sich online an neue Bedingungen anpassen und ist besonders geeignet für schwer zu konzipierende Ziele auf Missionsebene (Effizienz, Flugbereich, Komfort).

In diesem Zusammenhang wird eine Masterarbeit ausgeschrieben, um den Betrieb eines RL-basierten Flugreglers abzusichern. Die Arbeit umfasst die Implementierung eines Actor-Critic RL-Algorithmus und eines Sicherheitsfilters. Zur Abschätzung von Unsicherheiten sollen Ansätze des maschinellen Lernens (einschließlich Gaußscher Prozesse) untersucht werden. Die Betreuung erfolgt gemeinsam durch das DLR und Prof. Mayank Shekhar Jha vom Research Center for Automatic Control (CRAN), Centres Internationaux de Recherche (CNRS), Université de Lorraine, Frankreich.

Deine Aufgaben

Entwurf eines RL-Algorithmus für die Lageregelung eines Flugzeugs mit morphendem Flügel
Training und Bewertung des RL-Agenten in einer Simulation, zum Nachweis einer stabilen und effizienten Flugregelung
Erweiterung der Regelung um einen Sicherheitsfilter, der unsichere Flugzustände wie übermäßige Rollwinkel oder aerodynamischen Strömungsabriss verhindert
Integration einer Unsicherheitsschätzung in das Sicherheitsfilter-Framework, z. B. mit Gauß-Prozessen
Analyse und Visualisierung der Trainingsleistung, der Sicherheitsmargen und des Reglerverhaltens
Optional: Integration des Reglers in das PROTEUS-Testflugzeug und Demonstration in Flugtests

Das bringst du mit

derzeitige Immatrikulation in einem Masterstudiengang in Informatik, Regelungstechnik oder einem verwandten Fachgebiet
fundierte Kenntnisse im Bereich Reinforcement Learning, beispielsweise Policy Gradient Methods
gutes Verständnis von Regelungstechnik und Flugdynamik
Erfahrung mit TensorFlow, PyTorch für numerische Optimierung, neuronale Netze und Deep Learning
ausgeprägte Programmierkenntnisse, insbesondere in Python oder C++

Wir freuen uns darauf, dich kennenzulernen!