Bachelorstudium des Maschinenbaus an der Rheinisch-Westfälischen Technischen Hochschule (RWTH) Aachen mit Auslandssemester an der University of California in Davis (USA), Abschluss 2022. Praktische Tätigkeit bei der Siemens AG in München zu Multi-Agent-Reinforcement-Learning in der Maschinenbelegungsplanung. Anschließendes Masterstudium der Automatisierungstechnik mit Auslandssemester an der Seoul National University (Südkorea). Masterarbeit bei der Robert Bosch GmbH in Renningen und dem Institut für Data Science im Maschinenbau (DSME) über den datengetriebenen Reglerentwurf für hydraulisch gesteuerte Bagger.

Seit Juli 2024 wissenschaftlicher Mitarbeiter am IRS.

Automatisierte Parametrierung der Bewegungsplanung und -regelung von Fahrerassistenzsystemen

Die Bewegungsplanung und -regelung moderner Fahrerassistenzsysteme benötigt eine Vielzahl von Einstellparametern. Dazu zählt z. B. die Kostenfunktion des Optimierungsproblems zur Bestimmung der Fahrtrajektorie. Diese Parameter werden in der Regel manuell angepasst, um das gewünschte Fahrverhalten zu erzielen. Mit der steigenden Komplexität dieser Systeme, beispielsweise durch erweiterte Einsatzbedingungen, stößt dieses Vorgehen immer mehr an seine Grenzen. Methoden des maschinellen Lernens ermöglichen hingegen ein datengetriebenes Vorgehen. Ziel der Forschung ist es, zu untersuchen, wie sich Bewegungsplanung und -regelung bei Fahrerassistenzsystemen automatisiert parametrieren lassen, um ein breites Spektrum an Fahrzeugtypen und Szenarien abzudecken.