Diplomamunka: megerősítéses tanulás (RL) önvezető targonca teszteléséhez

Stack

Feladatok

• ▹Megerősítéses tanuláson alapuló módszer kidolgozása és értékelése az önvezető targoncaszoftver tesztforgatókönyveinek generálására
• ▹Munka egy meglévő szimulációs és tesztkörnyezettel, és annak vizsgálata, hogyan működhet együtt vele a megerősítéses tanulás
• ▹A releváns forgatókönyv-paraméterek meghatározása, és annak vizsgálata, hogyan terelhető a tanulási folyamat kihívást jelentő vagy érdekes működési körülmények felé
• ▹A megerősítéses tanulás összehasonlítása egyszerűbb forgatókönyv-generáló módszerekkel, például véletlenszerű teszteléssel és más keresési vagy optimalizálási eljárásokkal
• ▹A feltárt hibaforgatókönyvek elemzése, valamint a tesztlefedettség, a hibafelderítési arány és a tesztelési hatékonyság értékelése
• ▹Annak vizsgálata, hogy a szimulációban talált hibák reprodukálhatók és validálhatók-e fizikai önvezető targoncán

Elvárások

• ▹Informatikai vagy mesterséges intelligencia területen szerzett (vagy azzal egyenértékű) mesterdiploma, illetve robotikai vagy autonóm rendszerek, szoftvertechnikai, számítástechnikai mérnöki vagy rokon mérnöki területen szerzett mesterdiploma
• ▹Terjedelem: 2 fő, fejenként 30 ECTS
• ▹A pályázat angolul vagy svédül írható

Előny

• ▹Gépi tanulási és megerősítéses tanulási háttér, jó programozási készség
• ▹Autonóm rendszerek, optimalizálás, gépészeti és villamos ismeretek, szimuláció vagy szoftvertesztelés terén szerzett tapasztalat vagy érdeklődés

Amit kínálunk

• ▹A Toyota Material Handling támogatása a meglévő tesztkörnyezet, az elérhető adatok és az autopilot rendszer ismertetésében

A munkáltatóról

A Toyota Material Handling globális anyagmozgatási vezető. A svédországi Mjölby telephelyén 3000 munkatárs dolgozik a fejlesztési koncepcióktól a kész járművekig; a termékpaletta a kézi targoncáktól az önvezető járművekig és az innovatív energiamegoldásokig terjed.