Masterarbeit - Echtzeit-Digital Twin für Straßenverkehrsszenen: Simulation, Fusion und Datenvalidierung

18.11.2025, Abschlussarbeiten, Bachelor- und Masterarbeiten

Masterarbeit - Weiterentwicklung eines bestehenden Digital Twin für Infrastruktur- und Fahrzeugperzeption
Technische Universität München- Chair of Robotics, AI and Embedded Systems (Prof. Knoll)
Kontakt: kuoyi.chao@tum.de

Beschreibung:

Am Lehrstuhl existiert bereits ein funktionsfähiger Digital Twin, der reale Infrastruktur- und Fahrzeugdaten sowie CARLA-Simulationen abbildet. Diese Masterarbeit hat das Ziel, diesen Twin substanziell zu verbessern: bessere zeitliche Synchronisierung, stabilere Objektverfolgung, neue Sensormodelle, Datenharmonisierung und ein konsistenteres Weltmodell. Dabei soll der Twin zuverlässiger, skalierbarer und für zukünftige Forschungsarbeiten (Cooperative Perception, Agentic AI, Source-Agnostic Fusion) nutzbar gemacht werden.

Aufgaben

- Analyse des bestehenden Digital-Twin-Frameworks

- Verbesserung der Zeit- und Sensorsynchronisierung

- Optimierung der Objekt- und Trajektorienmodelle

- Reduktion des Reality Gaps zwischen Simulation und Realwelt

- Erweiterung des digitalen Weltmodells (z. B. Karten, statische Objekte, mehr Sensoren)

- Integration neuer Datensätze (Infrastruktur, BMW-Versuchsfahrzeug)

- Dokumentation und Performance-Evaluation


Voraussetzungen

- Sehr gute Python-Kenntnisse

- Erfahrung mit ROS/ROS2, Sensorik oder CARLA hilfreich

- Verständnis für Perception-/Fusion-Pipelines von Vorteil

- Analytisches, strukturiertes Arbeiten

Wir bieten

- Zugriff auf reale Infrastruktur (TUM Garching, A9) und BMW-Fahrzeugdaten

- Enge Betreuung im Perception- und Digital-Twin-Team

- Relevante Anwendung im Bereich autonomes Fahren Möglichkeit zur Veröffentlichung

Kontakt: kuoyi.chao@tum.de