Promotionsstelle (100%) – Autonomous Vehicle Lab – Scalable & Dynamic Mapping für den autonomen Linienbus
TUM, Germany
- Institution
- TUM
- Country
- Germany
- Position type
- PhD
- Subject area
- Engineering
- Location
- München, Bayern, DE
- Funding
- Fully funded position
Want to be the strongest applicant for this position?
Book a free 15-minute call with our team. We will look at your profile against what TUM is actually looking for, and tell you honestly where you stand and what to strengthen before you apply.
Book a free call about this position →No cost, no obligation. Mentors who have secured funded PhD positions themselves.
How our PhD admission mentorship works →
We mentor STEM applicants only. If your research aspirations are outside STEM subjects, you're very welcome to use this board and apply directly; we just aren't the right people to mentor you.
About this position
Der Lehrstuhl für Fahrzeugtechnik sucht ab sofort wissenschaftliche Mitarbeiter (m/w/d) aus Informatik, Robotik oder Ingenieurwissenschaften zur Promotion im Bereich skalierbare Kartenerstellung und Laufzeitabgleich für den autonomen Linienbus.
Skalierbare Kartenerstellung und Laufzeitabgleich für den autonomen Linienbus
Hintergrund
Hochaufgelöste Karten sind in heutigen Stacks für das autonome Fahren eine zentrale Grundlage für Planung und Verhaltensentscheidung. Ihre Erstellung und Pflege ist jedoch aufwendig und gilt als wesentlicher Engpass, wenn neue Einsatzgebiete erschlossen werden sollen. Zugleich verändert sich die reale Umgebung fortlaufend, etwa durch Baustellen, geänderte Markierungen oder temporäre Verkehrsführungen, sodass hinterlegte Karte und beobachtete Umgebung voneinander abweichen können. Im Rahmen unseres Vorhabens, einen Linienbus vollautonom (SAE Level 4) auf Münchens Straßen zu bringen, untersuchen wir, wie Karten skalierbar erzeugt und im Betrieb mit der Wahrnehmung abgeglichen werden können. Gestalte mit uns den ÖPNV von morgen und forsche an spannenden Dissertationsthemen.
Deine Herausforderungen
Als Promovierende:r erforschst du Methoden, mit denen sich hochaufgelöste Basiskarten (z. B. im Lanelet2-Format) für große Gebiete weitgehend automatisiert aus Sensordaten erstellen lassen. Darüber hinaus untersuchst du, wie sich die Abhängigkeit des Fahrstacks von vorab erstellten Karten im Betrieb verringern lässt, ohne auf Karten als Vorwissen zu verzichten, beispielsweise durch die Kombination von Kartenvorwissen mit online geschätzten Kartenelementen. Ein Schwerpunkt liegt auf der Erkennung von Abweichungen zwischen Karte und beobachteter Umgebung zur Laufzeit sowie auf deren Berücksichtigung im Fahrstack, mit dem Ziel, das Fahrverhalten insgesamt robuster zu machen. Du überführst deine Lösungen in den L4-Stack und erprobst sie auf unserem Forschungsfahrzeug EDGAR, mit Blick auf den Einsatz im DZM-Bus.
Dein Profil
- Sehr guter Masterabschluss in Informatik, Robotik, Ingenieurwissenschaften (1,x-Schnitt) an einer anerkannten Universität
- Kommunikation und Organisation sind für dich selbstverständlich
- Deutsch und Englisch (mind. B2)
- Solide Programmierkenntnisse in Python, C++, ROS2
- Erfahrung mit HD-Karten, SLAM oder Online-Kartierung von Vorteil
Deine Chancen
Du gestaltest die autonome Mobilität aktiv mit und baust dir ein wertvolles Netzwerk aus Wissenschaft und Industrie auf. Dir stehen umfangreiche Serverinfrastruktur und Versuchsfahrzeuge zur Verfügung; du übernimmst von Anfang an Verantwortung, betreust Studienarbeiten und gibst dein Wissen weiter.
Wir bieten
- Befristete Vollzeitstelle nach TV-L E13 (100 %) für 3 Jahre
- Möglichkeit zur Promotion und Start-up-Gründung
- Innovatives Forschungsgebiet mit hoher Relevanz
- Moderne Arbeitsumgebung und Infrastruktur
- Flexible Arbeitszeit inkl. Homeoffice
- Eigenes Budget für Fortbildungen und Tagungen
- Möglichkeit zum Auslandsaufenthalt
- Beginn ab sofort möglich
Bitte reiche nur eine Bewerbung auf max. zwei Stellen ein!
Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Die Stelle erfordert die Anwesenheit am Lehrstuhl, Reisen, die Arbeit im Team, Kontaktfreude und die Durchführung von Versuchen in Laboren oder auf Teststrecken. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. Die Technische Universität München strebt eine Erhöhung des Frauenanteils an. Bewerbungen von Frauen werden daher ausdrücklich begrüßt.
Wir freuen uns auf Deine aussagekräftigen Unterlagen (Anschreiben, Lebenslauf, Anhang). Sende diese bitte zeitnah mit Stellenbezeichnung im Betreff per E-Mail / Post an:
Christiane Schulte
bewerbung.ftm@ed.tum.de
Lehrstuhl für Fahrzeugtechnik
Boltzmannstraße 15
85748 Garching
The position is suitable for disabled persons. Disabled applicants will be given preference in case of generally equivalent suitability, aptitude and professional performance.
Data Protection Information:
When you apply for a position with the Technical University of Munich (TUM), you are submitting personal information. With regard to personal information, please take note of the Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. (data protection information on collecting and processing personal data contained in your application in accordance with Art. 13 of the General Data Protection Regulation (GDPR)). By submitting your application, you confirm that you have acknowledged the above data protection information of TUM.
Kontakt: bewerbung.ftm@ed.tum.de
More Information
https://www.mos.ed.tum.de/ftm/karriere/stellenangebote/scalable-dynamic-mapping/
Apply directly to TUM
Emerging Scholars Council is not the employer and does not recruit for this position. It is advertised by TUM, and your application goes to them. We help students prepare and strengthen their applications.
Go to the official application page →Contact listed in the advert
Some positions — especially in Germany, Austria and Switzerland — are filled by writing directly to the supervisor rather than through an online form. These addresses were taken from the advert text, so check them against the official listing before you write.
A cold email to a supervisor is the highest-leverage thing you can send — and the easiest to get wrong. Ask us to look at yours before you hit send.