Studentische Hilfskraft (m/w/d) - Reinforcement Learning für zweibeinigen Outdoor-Roboter auf Rädern
Ort: Stuttgart
Datum: 02.11.2026
Die Fraunhofer-Gesellschaft ist eine der weltweit führenden Organisationen für anwendungsorientierte Forschung. 74 Institute entwickeln wegweisende Technologien für unsere Wirtschaft und Gesellschaft – genauer: 30 000 Menschen aus Technik, Wissenschaft, Verwaltung und IT. Sie wissen: Wer zu Fraunhofer kommt, will und kann etwas verändern. Für sich, für uns und die Märkte von heute und morgen.
Ausschreibung für die Fachrichtung wie z. B.: Automatisierungstechnik, Kybernetik, Mechatronik, Regelungstechnik oder vergleichbare.
Radbasierte, zweibeinige Roboter (wheeled bipedal robots) verbinden die Vorteile beinbasierter Systeme mit der Effizienz radgetriebener Fortbewegung. Ihre Regelung in realen Umgebungen ist anspruchsvoll: hochdimensionale Dynamik, nichtlineare Kontaktvorgänge und stark wechselnde Untergründe. Reinforcement Learning (RL) ist ein vielversprechender Weg zu adaptiven und robusten Regelstrategien. Ein Training auf der realen Hardware ist jedoch meist unpraktikabel und nicht sicher. Realistische Simulationsumgebungen sind daher essenziell. Wie gut sich eine gelernte Policy auf den echten Roboter übertragen lässt, hängt davon ab, wie genau die Simulation Kontakt, Aktuierung und Sensorik abbildet.
In der Forschungsgruppe „Kognitive Robotik“ entwickeln wir autonome Outdoor-Roboter auf rad-, ketten- und hybridbasierten Plattformen, darunter unsere Kettenplattform CURTtrac und unseren zweibeinigen Roboter auf Rädern BiBiRob. Unsere Arbeit reicht von der ersten Konzeptidee über die Konstruktion bis zum Aufbau und Test von Prototypen in realen Einsatzumgebungen.
Hier sorgen Sie für Veränderung
Je nach Ihrem Hintergrund und Ihren Interessen stimmen wir Ihre Aufgaben gemeinsam ab. Mögliche Tätigkeiten sind:
- Unterstützung beim Aufbau und der Pflege von Simulationsumgebungen für einen radbasierten, zweibeinigen Roboter in NVIDIA Isaac Lab
- Mitarbeit bei Implementierung, Training und Auswertung von RL-Policies für hybride Lokomotionsaufgaben (z. B. Moduswechsel, Balancieren auf unebenem Untergrund)
- Durchführung von Trainingsläufen auf unseren GPU-Ressourcen, Logging, Visualisierung und Aufbereitung der Ergebnisse
- Unterstützung bei Sim-to-Real-Experimenten (z. B. Domain Randomization, Aktuatormodellierung) sowie bei Tests und Messungen mit unserem Roboter BiBiRob
- Literaturrecherche zum Stand der Technik sowie Dokumentation von Code und Ergebnissen
Hiermit bringen Sie sich ein
Voraussetzungen:
- Sichere Programmierkenntnisse in Python
- Grundkenntnisse im Bereich Reinforcement Learning
- Überdurchschnittliche Studienleistungen oder einschlägige Vorerfahrung aus eigenen Projekten
- Interesse an praktischer Arbeit mit Roboterhardware
- Analytisches Denken sowie eine selbstständige und strukturierte Arbeitsweise
- Gültige Immatrikulation an einer Hochschule oder Universität in Deutschland/innerhalb der EU
- Präsenz an unserem Standort direkt am Campus der Universität Stuttgart
Von Vorteil:
- Erfahrung mit Physik-Engines (z.B. MuJoCo)
- Erfahrung mit NVIDIA Isaac Lab
- Erfahrung mit ROS 2
Was wir für Sie bereithalten
- Praktische Arbeit mit unserem selbstentwickelten zweibeinigen Roboter auf Rädern
- Leistungsfähige GPU-Ressourcen für Trainingsläufe
- Möglichkeit, Erfahrung in der Entwicklung von Robotersystemen für den Außeneinsatz zu sammeln und Verantwortung zu übernehmen, um eigene Ideen umzusetzen
- Einbindung in unser Entwicklerteam und Zusammenarbeit mit Studierenden und Mitarbeitenden aus Informatik, Elektrotechnik und Maschinenbau
Die Vergütung erfolgt je nach Qualifikation.
Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA
Kennziffer: 86097
