PRAKTIKUM/MASTERARBEIT: WORLD MODELS FÜR AUTOMOTIVE RADAR SIGNAL SIMULATION

Im Rahmen dieses Projekts entwickeln wir einen World-Model-basierten Ansatz, der Verkehrs­szenen aus realen Fahrdaten lernt und daraus realistische Automotive-Radar-Messungen generieren kann. Ziel ist die Entwicklung generativer Modelle, die Radar-Rohdaten, Range-Doppler-Maps oder Radar-Punktwolken erzeugen können, um synthetische Trainingsdaten für autonome Fahr­systeme bereitzustellen. Modellentwicklung: Sie entwickeln generative KI-Modelle zur Erzeugung realistischer Automotive-Radar-Messungen auf Basis gelernter Verkehrsszenen. Radar-Signalgenerierung: Untersuchung synthetischer Radarsignalgenerierung für Radar-Rohdaten, Range-Doppler-Maps und Radar-Punktwolken. Methodenanalyse: Analyse bestehender Methoden der synthetischen Radarsignalgenerierung im Kontext generativer Modelle. Datenvergleich: Vergleich und Bewertung generierter Daten mit realen Radar-Messungen hinsichtlich physikalischer Plausibilität und statistischer Eigenschaften. Modellbewertung: Sie evaluieren KI-Methoden zur Generierung von Radardaten und analysieren deren Ergebnisse. Wissenschaftliche Dokumentation: Wissenschaftliches Schreiben zur Erstellung eines umfassenden Abschlussberichts.