Stud. Hilfskraft (m/w/d) - Kontaktbehaftete Aufgaben in der Simulation mittels Generative AI/FM/RL

Ausschreibung für die Fachrichtungen wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Maschinenbau, Mechatronik, Regelungstechnik, Softwaredesign, Softwareengineering, technische Informatik, Robotik, Autonome Systeme oder vergleichbare. Kontaktintensive Montageaufgaben beinhalten oft komplexe physikalische Wechselwirkungen und eine hohe Empfindlichkeit gegenüber Parametereinstellungen. Bei einer großen Anzahl von Produktvarianten ist es nicht praktikabel, Prozessparameter für jede mögliche Variante manuell abzustimmen oder zu validieren, was Skalierbarkeit und Flexibilität in industriellen Anwendungen einschränkt. Simulationsumgebungen bieten einen vielversprechenden Ansatz, um diese Herausforderung anzugehen. Durch die genaue Modellierung der zugrundeliegenden Physik von Montagevorgängen wird es möglich, verallgemeinerte Repräsentationen dieser Prozesse zu erlernen. NVIDIA Isaac Sim und weitere Simulations-Engines wie MuJoCo ermöglichen eine hochpräzise Physik-Simulation sowie Sensoremulation, um diese Montageprozesse präzise zu simulieren. Reinforcement Learning (RL) und moderne Foundation-Modelle können dann genutzt werden, um Strategien und Prädiktionsmodelle zu erlernen, die die Dynamik der kontaktreichen Interaktionen erfassen.