Ausgangssituation:

Humanoide Roboter entwickeln sich derzeit rasant von reinen Forschungsplattformen hin zu industriell verwertbaren Systemen und versprechen durch ihre menschenähnliche Oberkörperkinematik eine flexible Integration in bestehende, auf den Menschen ausgelegte Produktionsumgebungen. Der AgiBot G2 ist ein wheel based humanoider Roboter mit einer radbasierten mobilen Plattform und einem humanoiden Oberkörper mit zwei Armen sowie geschickten Greifern, der speziell für industrielle Manipulations- und Logistikaufgaben konzipiert wurde. Durch den Verzicht auf eine zweibeinige Fortbewegung bietet die Plattform eine besonders hohe Stabilität, Energieeffizienz und Nutzlast bei gleichzeitig hoher Beweglichkeit in geplanten Fabrikumgebungen.

In einer Industrieumgebung der Siemens AG wird mit dem AgiBot G2 erstmals ein humanoides System dieser Klasse aufgebaut und in Betrieb genommen. Vor diesem Hintergrund besteht ein konkreter Bedarf, die Plattform systematisch zu erschließen, geeignete Schnittstellen und Toolchains zu etablieren sowie erste industrierelevante Anwendungsfälle aus dem Umfeld der Siemens AG prototypisch umzusetzen, um den Reifegrad und das Einsatzpotenzial des Systems belastbar einschätzen zu können.

Zielsetzung:

Ziel dieser Arbeit ist die erstmalige Umsetzung industrieller Anwendungsfälle auf Basis des humanoiden Roboters AgiBot G2. Im Rahmen der Arbeit sollen die Plattform aufgebaut, die relevanten Schnittstellen erschlossen sowie eine durchgängige Toolchain für Wahrnehmung, Manipulation und Navigation etabliert werden. Aufbauend darauf werden ausgewählte produktionsnahe Anwendungsfälle prototypisch umgesetzt und hinsichtlich Robustheit, Geschwindigkeit und Integrationsaufwand bewertet. Aus den Ergebnissen sollen abschließend konkrete Handlungsempfehlungen für den weiteren produktiven Einsatz des Systems im industriellen Umfeld der Siemens AG abgeleitet werden.

Aufgabenschwerpunkte & Arbeitspakete:

• Einarbeitung in den Stand der Technik zu wheeled humanoiden Robotern, bimanueller Manipulation und Foundation Models für robotische Anwendungen
• Aufbau und mechanische sowie elektrische Erstinbetriebnahme der AgiBot G2 Plattform am Standort der Siemens AG [Erlangen]
• Einarbeitung in das SDK des AgiBot G2 sowie Aufbau einer durchgängigen Toolchain für Steuerung, Wahrnehmung und mobile Manipulation
• Integration des Systems in die bestehende ROS basierte Infrastruktur des Lehrstuhls und Anbindung an relevante Sensorik und Peripherie
• Auswahl und Spezifikation industrierelevanter Anwendungsfälle in Abstimmung mit der Siemens AG
• Prototypische Umsetzung erster produktionsnaher Demonstratoren auf Basis des AgiBot G2
• Systematische Bewertung der erzielten Performanz hinsichtlich Robustheit, Geschwindigkeit, Sicherheit und Integrationsaufwand anhand definierter Kriterien
• Ableitung konkreter Handlungsempfehlungen für den weiteren produktiven Einsatz humanoider Roboter im industriellen Umfeld
• Strukturierte Dokumentation der Arbeit und Präsentation der Ergebnisse

Vorkenntnisse:

• Interesse an industrieller Robotik, humanoiden Systemen und künstlicher Intelligenz
• Erfahrung mit Linux und ROS von Vorteil
• Grundlegende Programmierkenntnisse in Python und C++ von Vorteil, aber nicht zwingend erforderlich
• Sehr gute Deutsch und Englisch Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Ausgangssituation:

Beim induktiven Kompaktieren primärisolierter Hochfrequenzlitzen (HF-Litzen) werden während des Prozesses umfangreiche Maschinen- und Induktionssystemdaten erfasst. Diese Daten enthalten potenziell die Information, mit der die resultierende Verbindungsqualität bereits während des Prozesses prädiziert werden kann, was eine Grundvoraussetzung für eine spätere Inline-Qualitätsüberwachung im industriellen Kontext darstellt.

Aus mehreren bereits abgeschlossenen Versuchsreihen am Lehrstuhl liegt ein umfangreicher Datenpool vor, dessen systematische Konsolidierung und Modellierung jedoch noch aussteht. Ziel der Arbeit ist es, aus diesen Bestandsdaten ein datenbasiertes Prozessmodell abzuleiten, das die Korrelation zwischen Prozesssignalen und Verbindungsqualität herstellt und damit die Basis für eine prozessbegleitende Qualitätsüberwachung schafft.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche
  • Methoden der datenbasierten Prozessmodellierung in der Fügetechnik
  • Signalbasierte Qualitätsprädiktion bei Fügeprozessen
• Datenkonsolidierung
  • Sichtung und Vereinheitlichung der bestehenden Maschinen- und Induktionssystemdaten aus mehreren Versuchsreihen
  • Bewertung der Datenqualität, Identifikation von Lücken und Inkonsistenzen
• Feature-Engineering und Modellentwicklung
  • Extraktion prozessrelevanter Merkmale aus Kraft-Weg-Verläufen, Generatorleistungsdaten und Pyrometriesignalen
  • Aufstellung statistischer und maschineller Lernmodelle zur Prädiktion von Kompaktierungsgrad, elektrischem Widerstand und Fehlprobenrate
• Validierung
  • Bewertung der Modellgüte mittels Kreuzvalidierung und Hold-out-Analysen
  • Identifikation der prädiktivsten Prozessmerkmale (Feature Importance)
• Bewertung & Dokumentation
  • Erarbeitung eines Konzepts zur Inline-Anwendbarkeit der entwickelten Modelle
  • Formulierung von Empfehlungen für eine spätere prozessbegleitende Qualitätsüberwachung

Voraussetzungen zur Bewerbung:

• Studiengang: Studium des Maschinenbaus, der Mechatronik, der Elektrotechnik, des Wirtschaftsingenieurwesens, IPEM, oder eines vergleichbaren technischen Studiengangs
• Fachkenntnisse: Sichere Programmierkenntnisse in Python; Grundlagen in Statistik und Datenanalyse; idealerweise erste Erfahrungen mit maschinellen Lernverfahren
• Arbeitsweise: Strukturierte, analytische und eigenständige Arbeitsweise; Bereitschaft, sich in domänenspezifische Prozessdaten und produktionstechnische Zusammenhänge einzuarbeiten
• Sprachkenntnisse: Gute Deutsch- oder Englischkenntnisse in Wort und Schrift

Bewerbungen mit Lebenslauf und aktuellem Notenspiegel bitte per E-Mail an: miriam.eichinger@faps.fau.de

Ausgangssituation:

Induktive Ladepads für elektrische Fahrzeuge erfordern hochzuverlässige und effiziente Kontaktierungen, insbesondere bei der Verwendung von primärisolierten HF-Litzen aus Aluminium. Aluminium bietet Vorteile wie geringes Gewicht und gute Leitfähigkeit, stellt jedoch besondere Anforderungen an die Kontaktierung aufgrund seiner Oxidationsanfälligkeit und mechanischen Eigenschaften. Ziel ist es, die Machbarkeit und Zuverlässigkeit der Kontaktierung zu demonstrieren.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche: Untersuchung bestehender Kontaktierungstechniken für Aluminiumlitzen.

• Konzeptentwicklung: Proof of Concept, der die Kontaktierung von HF-Litzen qualifiziert.

• Versuchsdurchführung: Testen der Kontaktierungen unter realistischen Bedingungen (z. B. Temperaturzyklen, Strombelastung) und Bewertung der elektrischen und mechanischen Stabilität.

• Dokumentation: Auswertung der Ergebnisse und Erstellung einer detaillierten Dokumentation einschließlich Empfehlungen für die weitere Entwicklung.

Voraussetzungen zur Bewerbung:

• Fachkenntnisse: Grundkenntnisse in Elektrotechnik und Materialwissenschaften, sowie Interesse an experimenteller Arbeit.

• Arbeitsweise: Selbstständige, strukturierte und präzise Arbeitsweise sowie Teamfähigkeit.

• Sprachkenntnisse: Gute Deutschkenntnisse in Wort und Schrift; Englischkenntnisse sind von Vorteil für die Literaturrecherche.

Bewerbungen mit Lebenslauf und aktuellem Notenspiegel bitte per E-Mail an:

miriam.eichinger@faps.fau.de

Sollten Sie in die engere Auswahl kommen, werden Sie per Mail kontaktiert. Ein Anruf ist nicht notwendig.

Ausgangssituation:

Das induktive Kompaktieren ist ein vielversprechendes Verfahren zur direkten, kontaktelementfreien Verbindung primärisolierter Hochfrequenzlitzen (HF-Litzen) für Anwendungen wie induktive Ladepads und elektrische Antriebe. Durch das Zusammenspiel aus induktiver Werkzeugerwärmung und mechanischem Verpressen wird die Litze form- und teilweise stoffschlüssig kompaktiert und dabei zugleich die Primärisolation thermisch entfernt.

Während für Prozess für Kupferlitzen bereits ein erster Proof-of-Concept vorliegt, treten bei Aluminiumlitzen werkzeugseitige Herausforderungen auf, insbesondere starke Adhäsionseffekte am Werkzeug, ungleichmäßige Gratbildung und eine erhöhte Fehlprobenrate. Erste Untersuchungen am Lehrstuhl haben gezeigt, dass alternative Werkzeuggeometrien sowie Hartstoffbeschichtungen für Kupferlitzen deutliche Prozessverbesserungen bewirken. Die Übertragung dieser Erkenntnisse auf Aluminium und die Ableitung einer robusten Prozessauslegung für Al-HF-Litzen stehen aus.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche
  • Werkzeugbeschichtungen für Umform- und Fügeprozesse mit Aluminium
  • Stand der Forschung zum Kontaktieren von HF-Litzen
• Versuchsplanung
  • Konzeption einer Versuchsmatrix für alternative Werkzeuggeometrien und Hartstoffbeschichtungen
  • Festlegung des Parameterraums und der Bewertungskriterien
• Versuchsdurchführung
  • Systematische Kompaktierversuche an Aluminium-HF-Litze am bestehenden Versuchsstand
  • Metallographische Probenpräparation und Dokumentation des Werkzeugzustands
• Auswertung
  • Quantifizierung von Kompaktierungsgrad, elektrischem Widerstand und Fehlprobenrate mittels Lichtmikroskopie, 3D-Laserscanning-Mikroskopie und Vierleitermessung
  • Statistische Auswertung der Versuchsergebnisse
• Bewertung & Dokumentation
  • Vergleichende Bewertung der untersuchten Werkzeugkombinationen
  • Ableitung einer Best-Practice-Empfehlung für die weiterführende Verfahrensentwicklung

Voraussetzungen zur Bewerbung:

• Studiengang: Studium des Maschinenbaus, der Mechatronik, des Wirtschaftsingenieurwesens, IPEM oder eines vergleichbaren technischen Studiengangs
• Fachkenntnisse: Grundkenntnisse in Werkstoffkunde und Fertigungstechnik; Interesse an experimenteller Laborarbeit und metallographischer Probenpräparation
• Arbeitsweise: Strukturierte, sorgfältige und eigenständige Arbeitsweise; Bereitschaft, sich in metallographische Probenpräparations- und Auswertungsmethoden einzuarbeiten
• Sprachkenntnisse: Gute Deutschkenntnisse in Wort und Schrift

Bewerbungen mit Lebenslauf und aktuellem Notenspiegel bitte per E-Mail an: miriam.eichinger@faps.fau.de

Hintergrund
Die Fertigung elektrischer Antriebe, wie etwa Hairpin-, Continuous-Hairpin- oder Axialflussmaschinen, erfordert eine präzise Kontrolle von Material und Prozess. Ein zentraler Schritt ist das Richten von Flachdraht, das bislang auf festen Parametern und Erfahrungswissen basiert. Dabei werden Schwankungen im Material nur unzureichend berücksichtigt. Das Ziel besteht darin, diesen Prozess mithilfe moderner Sensorik, Messtechnik und innovativer Regelungsansätze weiterzuentwickeln, um die Produktionsqualität effizient zu steigern.

Mögliche Aufgabenstellungen
Studentische Arbeiten können zu einem der folgenden Themen erarbeitet werden:

• Integration eines Interferometers zur Isolationsschichtdickenmessung
• Modellierung und Simulation des Richtprozesses
• Weiterentwicklung einer flexiblen, mechanischen Abisolierstation für Flachdraht
• SPS-Programmierung einer Schwenkbiege-Anlage zum 2D-Biegen von Flachdraht

Die detaillierten Inhalte und Aufgabenstellungen werden in einem persönlichen Gespräch besprochen.

Anforderungsprofil

• Interesse an der Produktion elektrischer Traktionsantriebe
• Je nach Themengebiet sind Grundkenntnisse in Konstruktion, Messtechnik, Programmierung, Datenanalyse (KI/ML) oder Regelungstechnik erforderlich.
• Freude an praktischer Arbeit (Versuchsreihen, Messtechnik, Anlagenaufbau)
• Analytisches, strukturiertes und selbstständiges Arbeiten
• Teamfähigkeit und Kommunikationsstärke
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift

Bewerbung
Bitte senden Sie Ihre Bewerbung mit

• Lebenslauf
• Aktuellem Notenspiegel
• Angabe der bevorzugten Aufgabenstellung

per E-Mail an anja.preitschaft@faps.fau.de

Wichtig: Bewerbungen ohne konkrete Nennung eines Themenbereichs können leider nicht bearbeitet werden.

We are looking for curious and motivated master’s students to join an innovative research project on the simulation of microexpressions in virtual human faces for humanoid robotics and human-robot interaction. This thesis combines social robotics, facial expression modeling, computer animation, and user-centered evaluation, contributing to the development of more expressive and socially intelligent virtual agents.

Project Overview:

This master’s thesis focuses on the simulation and evaluation of human microexpressions in virtual faces and computer-based environments. Microexpressions are subtle and short facial movements that play an important role in social communication. The aim of this thesis is to investigate how such expressions can be modeled, implemented, and perceived in virtual humans or simulated humanoid agents.

Possible research directions include:

• Study of the physiological and expressive basis of human microexpressions
• Investigation of methods for modeling subtle facial expressions in virtual agents
• Simulation of microexpressions using animation and facial modeling tools such as Blender, Unity, Unreal Engine / MetaHuman, or related frameworks
• Exploration of facial action units, blendshapes, or similar techniques for implementing subtle facial movements
• Evaluation of user preferences and perception regarding realism, naturalness, and social acceptability

The thesis will help establish a foundation for future emotionally expressive virtual humans and humanoid robots by identifying suitable design approaches and perception-related challenges.

Key Responsibilities:

• Conduct a structured review of literature on microexpressions, facial expression modeling, and human-robot interaction
• Investigate existing methods and tools for simulating subtle facial expressions in virtual environments
• Implement or prototype selected microexpression simulation approaches in a computer-based setting
• Design and analyze a user study to evaluate perceived realism, preference, and social impact

Who We’re Looking For:

• Strong interest in social robotics, virtual humans, humanoid robots, human expression, or human-robot interaction
• Background in robotics, biomedical engineering, computer science, HRI, computer graphics, animation, or a related field
• Interest in simulation, experimental design, and user-centered evaluation
• Independent, structured, and critical way of working
• Fluency in English

How to Apply:

If you are excited about expressive virtual humans and would like to contribute to research on artificial facial behavior, we invite you to apply exclusively via email, including your CV and complete transcript of records (GPA min. 2.5).

Subject: S2.1_Virtual Microexpressions

Motivation

Im Rahmen des Forschungsprojekts „ProTekt“ am FAPS arbeiten wir an der Automatisierung der Qualitätsprüfung von Schaltschränken. Ein wichtiger Baustein dabei ist die elektrische Prüfung. Damit ein Roboter elektrische Messungen automatisiert durchführen kann, müssen die passenden Prüfpunkte an den verbauten Komponenten zuverlässig erkannt und lokalisiert werden. Prüfpunkte sind die elektrischen Kontaktstellen an den Komponenten, über die einzelne Anschlüsse elektrisch ankontaktiert werden können. In der Praxis ist ihre Erkennung jedoch herausfordernd: Form, Lage, Größe und visuelle Erscheinung variieren stark zwischen unterschiedlichen Herstellern, Komponentenarten und Schaltschrankaufbauten.

Ziel der Arbeit

Ziel deiner Arbeit ist es, ein leichtgewichtiges Computer-Vision-Verfahren zur robusten Erkennung von Prüfpunkten zu entwickeln, zu bewerten und prototypisch umzusetzen. Im Zentrum steht dabei ein CNN-basiertes Modell, das Prüfpunkte als eigene Objektklasse erkennt und auch bei hoher Varianz der Komponenten zuverlässig funktioniert.

Dazu gehört insbesondere:

• Einarbeitung in den Projektkontext und die Rolle elektrischer Prüfpunkte in der automatisierten Schaltschrankprüfung
• Analyse vorhandener Bilddaten sowie Einbezug und Bewertung geeigneter Online-Datensätze für Training und Validierung
• Optional: Anpassung einer bestehenden Pipeline zur Erzeugung synthetischer Daten, sodass diese auch für Prüfpunkte genutzt werden kann
• Entwicklung eines leichtgewichtigen CNN-basierten Ansatzes zur Detektion
• Untersuchung, welche Merkmale und Datenrepräsentationen für eine robuste Generalisierung über viele Komponenten hinweg geeignet sind
• Entwicklung einer geeigneten Methodik, um die Robustheit des Systems bei hoher Varianz nachvollziehbar nachzuweisen
• Durchführung einer sinnvollen Evaluierung mit unterschiedlichen Komponentenklassen, Ausprägungen und Schwierigkeitsgraden

Ziel ist ein Prüfpunkt-Detektionssystem, das nicht nur auf wenigen Einzelbeispielen funktioniert, sondern seine Robustheit auch über eine große Bandbreite realer Komponenten hinweg nachvollziehbar zeigt.

Anforderungen an den Studierenden

• Studium im Bereich Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen oder vergleichbar
• Interesse an Computer Vision, Deep Learning und praxisnaher AI-Anwendung
• Erste Programmierkenntnisse, vorzugsweise in Python
• Selbstständige und strukturierte Arbeitsweise
• Sehr gute Deutsch oder Englisch Kenntnisse

Bewerbungen bitte per Mail mit Lebenslauf und aktuellem Notenspiegel an matthias.lang@faps.fau.de
Start: jederzeit möglich
Ort: Nürnberg am FAPS Standort „auf AEG“ – hybrid möglich