Master Thesis (w/m/d)

Steigen Sie ein in die faszinierende Welt des Deutschen Zentrums für Luft- und Raumfahrt (DLR), um mit Forschung und Innovation die Zukunft mitzugestalten! Mit dem Know-how und der Neugier unserer 11.000 Mitarbeitenden aus 100 Nationen sowie unserer einzigartigen Infrastruktur, bieten wir ein spannendes und inspirierendes Arbeitsumfeld. Gemeinsam entwickeln wir nachhaltige Technologien und tragen so zur Lösung globaler Herausforderungen bei. Möchten Sie diese große Zukunftsaufgabe mit uns zusammen angehen? Dann ist Ihr Platz bei uns!Für unsere Organisationseinheit Navigation and Control Systems in Bremen suchen wir eine/n

Masterstudentin / Masterstudenten Luft- und Raumfahrttechnik, Mechanical Engineering, o.ä. (w/m/d)

The field of Machine Learning (ML) comprises Artificial Intelligence (AI) techniques designed to emulate human learning processes, utilizing data and algorithms to iteratively enhance predictive accuracy. The integration of ML methodologies into the design of controllers for spacecraft and launch vehicles has the potential to augment system autonomy, thereby broadening the scope of potential applications, including the realization of fully reusable launch vehicles and advancements in space exploration.Das erwartet Sie: A recent notable progression in ML research applied to Guidance and Control (G&C) is the implementation of the Reinforcement Learning (RL) algorithm. RL facilitates the creation of controllers for a specified plant by directly interacting with and learning from the system. Additionally, Genetic Programming (GP), another ML technique, can be similarly employed. GP is an evolutionary algorithm that is rooted in the Darwinian’s theory of evolution. Programs are evolved in order to minimize/maximize a given fitness function. Notably, GP offers the distinctive advantage of providing also the controller’s structure, which can be used to better understand the model’s functioning. Your task is to apply these two techniques to the G&C design of a spacecraft or launch vehicle model. In particular:

• Get familiar with RL and GP theory and implementation
• First apply these two techniques to a simple test case, e.g. inverted pendulum on a cart
• Apply them to the chosen aerospace application
• Compare and analyze the results
• If time allows, investigate the combination of GP and RL. For example, GP can be used to evolve learning policies for RL
  
  

Das erwarten wir von Ihnen:

• Bachelor in Aerospace or Mechanical engineering
• Basic knowledge of Python and Matlab programming languages
• Knowledge of control theory fundamentals
• Proficiency in scientific writing
• Good knowledge of English language
• Previous knowledge of RL and GP techniques
• Knowledge of traditional G&C architectures
  
  

Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen Ihnen unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung. Weitere Angaben: Eintrittsdatum: sofort

Dauer: 6 Months

Beschäftigungsgrad: Teilzeit Vergütung: Je nach Qualifikation und Aufgabenübertragung bis Entgeltgruppe 05 TVöD. Kennziffer: 92019 Kontakt:

Francesco Marchetti Institut für Raumfahrtsysteme

Tel.: 0421 24420 1076