INTERNSHIP DETAILS

Masterthesis - Reinforcement Learning approach for path following and base control

CompanyFraunhofer-Gesellschaft
LocationStuttgart
Work ModeOn Site
PostedMarch 1, 2026
Internship Information
Core Responsibilities
The role involves analyzing the existing navigation stack and developing a reinforcement learning approach that integrates path-following and base control. Additionally, the candidate will validate the approach in simulation and on developed robots.
Internship Type
full time
Company Size
280
Visa Sponsorship
No
Language
German
Working Hours
40 hours
Apply Now →

You'll be redirected to
the company's application page

About The Company
Fraunhofer IGD is the international leading institute for applied research in visual computing. Visual computing is image- and model-based information technology and includes computer graphics and computer vision, as well as virtual and augmented reality. In simple terms, the Fraunhofer researchers in Darmstadt, Rostock, and Kiel are turning information into images and extracting information from images. In cooperation with its partners, technical solutions and market-relevant products are created. Prototypes and integrated solutions are developed in accordance with customized requirements. In doing so, Fraunhofer IGD places users at the forefront, providing them with technical solutions to facilitate computer work and make it more efficient. Owing to its numerous innovations, Fraunhofer IGD raises man-machine interaction to a new level. Man is able to work in a more result-oriented and effective way by means of the computer and visual computing developments.
About the Role

Ausschreibung für die Fachrichtung wie z. B.: Robotik, Kybernetik, Informatik, Maschinenbau, Mechatronik oder vergleichbare.

 

In dem Forschungsteam „Navigation mobile Roboter“ entwickeln wir autonome, mobile Roboter für Außenanwendungen, etwa in Land- und Forstwirtschaft, im Kommunalsektor sowie in der Logistik. Der Schwerpunkt liegt auf einer präzisen, robusten Navigation im Außenbereich.

Klassische Local-Controller (z. B. Regulated Pure Pursuit, MPPI) berechnen für einen vorgegeben Pfad die Soll-Geschwindigkeiten, die der Base-Controller in Radbefehle übersetzt. Diese modulare Architektur erfordert häufig einen hohen Parametrierungsaufwand und zeigt begrenzte Anpassungsfähigkeit an unterschiedliche Fahrzeugtypen und Einsatzbedingungen. Ziel der Masterarbeit ist die Untersuchung eines End-to-End-Reinforcement-Learning-Ansatzes für die Pfadverfolgung, der die Abbildung von Soll-Pfad und aktuellen Sensordaten direkt auf Motorstellgrößen erlernt. Der Fokus liegt auf der Bewertung, inwieweit ein solcher Ansatz die Portierbarkeit auf neue Fahrzeugtypen verbessern und die Pfadverfolgungsgenauigkeit gegenüber klassischen Architekturen erhöhen kann.

 

Was Sie bei uns tun

  • Analyse des bestehenden Navigations-Stacks (Local-Controller/Path-following-Controller, Base Controller)
  • Entwicklung und Training eines Reinforcement-Learning-Ansatzes, der die klassische Trennung von Path-following-Controller und Base-Controller in einer gemeinsamen Policy abbilden
  • Untersuchung modellfreier und/oder modellbasierter RL-Verfahren hinsichtlich Stabilität, Datenbedarf und Übertragbarkeit
  • Integration in eine bestehende ROS2-Umgebung
  • Validierung in Simulation in einer bestehenden ROS2-Umgebung und auf unseren eigens entwickelten Robotern
  • Vergleich mit bestehenden Controllern bzgl. Pfadfehler, Stabilität und Inbetriebnahmezeit
  • Dokumentation, Auswertung und wissenschaftliche Aufbereitung der Ergebnisse

 

Was Sie mitbringen

  • Gültige Immatrikulation an einer deutschen Universität/Hochschule in den Fachrichtungen Robotik, Kybernetik, Informatik, Maschinenbau, Mechatronik oder vergleichbare
  • Erfahrung mit Reinforcement Learning
  • Erfahrung mit ROS ist von Vorteil
  • Analytisches Denkvermögen
  • Begeisterung für mobile Robotik
  • Gute Englisch- oder Deutschkenntnisse

 

Was Sie erwarten können

  • Spitzentechnologie im Bereich der mobilen Outdoor-Robotik
  • Praktische Arbeit mit unseren Robotern in Stuttgart
  • Übernahme von Verantwortung und Freiheit zur Umsetzung eigener Ideen
  • Zusammenarbeit mit den besten Studierenden ihres Fachgebiets

 

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

 

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft. 

Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen! 
 

Frau Jennifer Leppich

Recruiting

+49 711 970-1415

jennifer.leppich@ipa.fraunhofer.de 

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA 

www.ipa.fraunhofer.de 


Kennziffer: 82688                

 

Key Skills
Reinforcement LearningROSAnalytical ThinkingMobile Robotics
Categories
EngineeringTechnologyScience & ResearchManufacturingLogistics