PhD – Prädiktive Belegungsweltmodelle für durchgängiges autonomes Fahren (w/m/div.)
On-siteHildesheim, Lower Saxony, Germany
Job Summary
Develop a generic predictive occupancy model as the central representation of the driving scene to enable explicit understanding of 4D world dynamics. Design architectures capturing geometry and semantics of all objects to support robust situation awareness and safe navigation. Research, implement, and evaluate novel end-to-end driving architectures based on these predictive models, ensuring seamless transfer of raw sensor data into actionable driving maneuvers. Rigorously test models in simulations and with real-world data to demonstrate improvements in safety, transparency, and performance, publishing results at leading AI and robotics conferences.
Required Qualifications
- Masterabschluss in Informatik, Robotik, Künstlicher Intelligenz, Data Science oder einem verwandten Fachgebiet
- Qualifikation zur Aufnahme eines Promotionsstudiums
- Ausgeprägte Expertise in Deep Learning und Computer Vision (CV)
- praktische Erfahrung mit modernen Deep-Learning-Frameworks (z. B. PyTorch)
- nachweislich sehr gute Python-Programmierkenntnisse
- Sehr gute Englischkenntnisse
Desired Qualifications
- Erfahrung in 3D-Computer-Vision, Occupancy Networks, End-to-End-(E2E)-Fahren, World Models oder Sensorfusion
- Vertrautheit mit Datensätzen für autonomes Fahren sowie Simulationsumgebungen (z. B. CARLA)
- Deutschkenntnisse
- Leidenschaft für grundlegende Herausforderungen der KI
- Motivation, Systeme zu entwickeln, die nicht nur intelligent, sondern auch vertrauenswürdig und sicher sind
- Eigenmotivation
- Kreativität
- Fähigkeit, gerne Verantwortung für anspruchsvolle Themen zu übernehmen
- Leichtigkeit bei der Entwicklung innovativer Ideen
- Fähigkeit, selbstständig zu arbeiten
- Fähigkeit, gerne im fachlichen Austausch mit Kolleginnen und Kollegen zu arbeiten
Hiring someone like this?
Get your role in front of qualified candidates on Sorce.