Wissenschaftliche*r Mitarbeiter*in - Physical AI für Roboterprogrammierung mit Promotionsmöglichkeit

• Das Fraunhofer IPA gehört zu den weltweit führenden Einrichtungen der angewandten Forschung in der Industrierobotik. Im Forschungsbereich „Automatisierung und Robotik" entwickeln wir Technologien, mit denen Roboter adaptiv lernen, eigenständig entscheiden und intelligent mit ihrer Umgebung interagieren. Unter der Vision „Automatisierung der Automatisierung" vereinfachen wir die Entwicklung von Automatisierungssystemen radikal – und ermöglichen so den wirtschaftlichen Robotereinsatz in Produktion, Recycling und Bauwesen. Gemeinsam mit Unternehmen realisieren wir Roboterapplikationen in (De-)Montage, Handhabung, Schweißen und Mensch-Roboter-Kollaboration – von der ersten Idee bis zum funktionierenden System. Beispiel-Anwendungen sind den nachfolgenden Videos zu entnehmen: https://www.youtube.com/watch?v=hrnt9gLvo60 https://www.youtube.com/watch?v=e4Xtm9fFQMo Das Forschungsteam, Roboterprogrammierung für kraftgeregelte (De-)Montage, entwickelt ein herstellerunabhängiges Softwareframework (https://pitasc.github.io/) für die kraftgeregelte (De-)Montage mit Industrierobotern. Das Team ist interdisziplinär und legt den Fokus auf drei Schwerpunkte: Softwaretechnik, Elektrotechnik und Maschinenbau. Mit offener Kommunikation setzen wir Applikationen von der ersten Erprobung bis hin zur robusten KI-gestützten Anwendung agil und prototypisch um. Hierfür suchen wir wissenschaftliche Nachwuchskräfte, die die Zukunft der deutschen Wirtschaft aktiv mitgestalten möchten.

 

Was Sie bei uns tun

• Weiterentwicklung unseres Software-Frameworks in C++ und Python im Team – inkl. Code Reviews, Schnittstellendesign, CI/CD und Architekturverbesserung
• Evaluation von Sprach- und multimodalen Modellen (LLMs/VLMs) für die Zerlegung von Demontageaufgaben, Skill-Sequenzierung und semiautomatische Generierung von Roboter-Skills
• Aufbau von LLM/VLM-Pipelines für die Robotik: Prompt- und Kontextdesign, Function-Calling auf Roboter-Skills, RAG auf Produkt- und Montagewissen (z. B. Stücklisten, CAD, Montageanleitungen) sowie Fine-Tuning (z. B. LoRA) – als Basis für abgeleitete Demontagesequenzen und Lösestrategien
• Automatische Generierung von Trennpfaden für laserbasiertes Trennen: Ableitung der Schnittkonturen aus CAD- und Sensordaten, Zugänglichkeits- und Kollisionsprüfung sowie Überführung in kollisionsfreie, kinematisch optimierte Roboterbahnen
• Generalisierung von Reglern, Löse- und Suchstrategien sowie Prozesswissen in modularen, wiederverwendbaren Code (Skill-Bibliothek
• Unterstützung produzierender Unternehmen (Automotive, Hausgeräte, Elektronik) bei robotergestützten Demontage- und Remanufacturing-Prozessen – von der Machbarkeitsanalyse bis zum Prototyp
• Transfer der Ergebnisse über Publikationen, Konferenzen, Messen und Demonstratoren