Entwicklung
der CI/CD-Automatisierung zum Testen des Betriebssystems des Kundendesigns auf
virtuellen und embedded eingebetteten Geräten, einschließlich grundlegender und
komplexer Netzwerkfunktionen inkl. Wi-Fi-basierte Funktionen.
Aufbauend auf dieser Test- und
Auswertungslandschaft Erweiterung um einen KI-basierten Log-Analyse-Agenten,
der Testfehler eines DUT automatisiert auswertet, Logdaten strukturiert
aufbereitet und mit Amazon Q Diagnoseberichte mit Ursachenhypothesen und
belegenden Log-Hinweisen erzeugt.
§ Implementierung eines webbasierten Frontend-Dashboards mit Vue 3 und Chartjs
§ Entwurf der Architektur und Implementierung des Backends mit Nodejs, Typescript und TimescaleDB
§ Verwendung von SocketIO für die Echtzeit-Signalisierung zwischen Backend und Frontend
§ Einrichtung einer Continuous Development und Virtualisierungsumgebung mit Docker und Bitbucket
Implementierung und Auswertung der Zeitsynchronisation über die Luft basierend auf 5G TSN
Entwickelte die kamerabasierte Lokalisierung für die Verwendung von Roboter-Bin-Picking-Szenarien
die Punktwolkendaten von der RGBD-Kamera mit ROS1
Integrierte das URLLC-Testbed, um eine Remote-SPS-Verbindung zum Mitsubishi zu ermöglichen Roboter
Die Latenz der 5G-URLLC-Verbindung betrug <1 ms bei einer Zuverlässigkeit von 99,999 %
Design der Softwarearchitektur des Backends und Frontends
Entwicklung und Implementierung des UI-Teils der Android-App und Abwicklung des asynchronen Datenaustauschs mit dem Backend. Die Verbindung zum Backend ist gesichert, verschlüsselt und basiert auf dem ProtoBuffer
Design und Implementierung des GO-basierten Backends und der Cassandra-Datenbank
Implementieren des JavaScript-basierten Servers für die Steuersignalisierung des Streams
Der Server kümmert sich um die Authentifizierung und das Datenmanagement und muss rund um 24/7 laufen
Leitung des Infrastrukturgebäudes des 5G-Campusnetzes im WZL Halle
Entwerfen und Implementieren des Roboteranwendungsfalls für 5G-basierte Edge-gesteuerte mobile Roboter
Implementierung und Optimierung des 5G-Echtzeitkommunikationssystems zur Edge-basierten Steuerung des mobilen Roboters Kairos auf Basis von ROS2
Entwicklung des Benchmark-Leistungstests für den Latenz- und Zuverlässigkeitsvergleich von 5G und WiFi6
Aufbau eines zuverlässigen 5G-Gateways und Benchmarking der Leistung verschiedener 5G-Geräte von externen Anbietern
Der Anwendungsfall des Edge-basierten gesteuerten mobilen Roboters wurde Industriekunden und Regierungsbeamten vorgestellt
Programmieren des mobilen Roboters zum Finden der Schraubposition am LKW-Rahmen mit ROS1
Eine kamerabasierte Lokalisierung mit AruCo-Tags (QR-Tags) wurde identifiziert, um die Transformation zwischen dem UR-Roboterarm und der Schraubposition mit Python OpenCV zu berechnen
Die Erfolgsquote der automatischen Schraubaufgabe lag bei 90%
Design der Architektur und Implementierung von Methoden, um die Zuverlässigkeit der 5G-Verbindung zu erhöhen und die Latenz zu reduzieren
Schreiben des MATLAB-Simulators zum Abschätzen der Latenz des Mobilfunknetzes in der Produktionsumgebung
Analyse langfristiger 5G- und LTE-Latenzmessdaten zur Erkennung
Anomalie im Netzwerksystem des Kunden mit Python
Implementierung einer Netzwerk-Tunneling-Architektur wie Layer-2-Konnektivität auf Basis von GRE, um Industrial Ethernet wie Profinet-Konnektivität über das drahtlose Netzwerk in der Fabrikhalle des Kunden zu ermöglichen
Programmierung eines automatisierten Profinet-Datenmonitorings mit Scapy in Python
Erforschung des Potenzials von 5G zur Erfüllung der Latenzanforderungen für die BLISK-Produktion von Strahltriebwerken
Der BLISK-Anwendungsfall erforderte eine Latenz von 10 ms und die entworfene Architektur lieferte eine Latenz von etwa 3 ms Round Trip Time (RTT)
Link zum Projekt: https://www.youtube.com/watch?v=XZWC_ttighM
Erstellen eines C++- und Python-basierten Quadcopter-Simulators
Implementieren verschiedener hochmoderner Verstärkungslernalgorithmen, um ihre Leistung zu vergleichen. Deep Q-net (DQN) und asynchrone Akteur-Akteur-Agenten (A3C)
Implementieren des Signalisierungsservers und der Client-Webschnittstelle mit NodeJs
Einrichten von STUN- und TURN-Servern zur Handhabung von ICE-Kandidaten (Interactive Connectivity Establishment), um die Konnektivität von WebRTC-basierten Remote-Clients zu ermöglichen
Die Latenz des Anrufs betrug etwa 50-100 ms
Advanced Lane Finding:
o Verwenden von Python-OpenCV zum Erstellen einer robusten Bildverarbeitungspipeline zum Erkennen, Erkennen und Identifizieren der aktuellen Autobahnspur in einem Bild oder Video
o Berechnung der Kamerakalibrierungsparameter mit OpenCV
o Perspektivische Umwandlung des Autostraßenbildes in die Vogelansicht
o Berechnet die Fahrzeugposition innerhalb der Fahrspur und den Krümmungsradius der Fahrspur basierend auf Koeffizienten der Polynomanpassung aus der Vogelperspektive
Spurerkennung über alle Frames eines 50-sekündigen realen Fahrzeugkameravideos hinweg erreicht
Behavioral Cloning:
o Convolutional Neural Network (CNN)-basiertes Deep-Learning-Framework (Keras) und OpenCV-Computer-Vision-Framework in Python, um ein Auto für das Fahren in einem Simulator zu trainieren
o Sicheres Fahren in der Trainingsumgebung ohne Kollision sowie in einer zuvor unsichtbaren Umgebung durch Datenauswahl/-Erweiterungsstrategie und Kamerafusion erreicht
Traffic Sign Classification:
o TensorFlow-basiertes Deep-Learning-Framework und Python-OpenCV zum Trainieren eines Klassifikators für den Verkehrszeichen-Datensatz
o Implementierte Datenerweiterung und Bildjitter, um eine Genauigkeit von 94 % für den Testdatensatz zu erreichen
o Convolutional Neural Network mit Nvidia-Architektur wurde verwendet
Extended Kalman Filter:
o Kombinieren Radar- und Laserdaten, um die Richtungsgeschwindigkeit und -position abzuschätzen
o Der erweiterte Kalman-Filter ist auf Basis von C++ implementiert
RMSE der Positionsschätzung und Geschwindigkeitsschätzung waren 0,09 bzw. 0,49
Entwurf von 5G-Konzepten (Physical Layer und MAC Layer) für ultra-zuverlässige und latenzarme Kommunikation (URLLC)
Analyse der Anwendbarkeit auf Industrie 4.0 (Industrial IoT, Cyber Physical Systems), insbesondere untersucht am Fall der industriellen Automatisierung
Theoretische und simulationsbasierte Analyse vorgeschlagener Konzepte
Arbeitete mit einem Java- und ereignisbasierten Systemsimulator, der für die 3GPP-Standardisierung verwendet wird
Die Arbeit ist Teil eines vom Bundesministerium geförderten Forschungsprojekts im Kontext von Industrie 4.0 und 5G
Arbeitete im Team mit 5G- und Industriefunkexperten
Software-Entwicklung / Programmierung
Beratung / Consulting
Projektmanagement / -leitung / Organisation / Koordination
Telekommunikationsindustrie, Mobilfunk-Standardisierung, Robotik-Industrie, Automotive- und Fertigungsindustrie
Entwicklung
der CI/CD-Automatisierung zum Testen des Betriebssystems des Kundendesigns auf
virtuellen und embedded eingebetteten Geräten, einschließlich grundlegender und
komplexer Netzwerkfunktionen inkl. Wi-Fi-basierte Funktionen.
Aufbauend auf dieser Test- und
Auswertungslandschaft Erweiterung um einen KI-basierten Log-Analyse-Agenten,
der Testfehler eines DUT automatisiert auswertet, Logdaten strukturiert
aufbereitet und mit Amazon Q Diagnoseberichte mit Ursachenhypothesen und
belegenden Log-Hinweisen erzeugt.
§ Implementierung eines webbasierten Frontend-Dashboards mit Vue 3 und Chartjs
§ Entwurf der Architektur und Implementierung des Backends mit Nodejs, Typescript und TimescaleDB
§ Verwendung von SocketIO für die Echtzeit-Signalisierung zwischen Backend und Frontend
§ Einrichtung einer Continuous Development und Virtualisierungsumgebung mit Docker und Bitbucket
Implementierung und Auswertung der Zeitsynchronisation über die Luft basierend auf 5G TSN
Entwickelte die kamerabasierte Lokalisierung für die Verwendung von Roboter-Bin-Picking-Szenarien
die Punktwolkendaten von der RGBD-Kamera mit ROS1
Integrierte das URLLC-Testbed, um eine Remote-SPS-Verbindung zum Mitsubishi zu ermöglichen Roboter
Die Latenz der 5G-URLLC-Verbindung betrug <1 ms bei einer Zuverlässigkeit von 99,999 %
Design der Softwarearchitektur des Backends und Frontends
Entwicklung und Implementierung des UI-Teils der Android-App und Abwicklung des asynchronen Datenaustauschs mit dem Backend. Die Verbindung zum Backend ist gesichert, verschlüsselt und basiert auf dem ProtoBuffer
Design und Implementierung des GO-basierten Backends und der Cassandra-Datenbank
Implementieren des JavaScript-basierten Servers für die Steuersignalisierung des Streams
Der Server kümmert sich um die Authentifizierung und das Datenmanagement und muss rund um 24/7 laufen
Leitung des Infrastrukturgebäudes des 5G-Campusnetzes im WZL Halle
Entwerfen und Implementieren des Roboteranwendungsfalls für 5G-basierte Edge-gesteuerte mobile Roboter
Implementierung und Optimierung des 5G-Echtzeitkommunikationssystems zur Edge-basierten Steuerung des mobilen Roboters Kairos auf Basis von ROS2
Entwicklung des Benchmark-Leistungstests für den Latenz- und Zuverlässigkeitsvergleich von 5G und WiFi6
Aufbau eines zuverlässigen 5G-Gateways und Benchmarking der Leistung verschiedener 5G-Geräte von externen Anbietern
Der Anwendungsfall des Edge-basierten gesteuerten mobilen Roboters wurde Industriekunden und Regierungsbeamten vorgestellt
Programmieren des mobilen Roboters zum Finden der Schraubposition am LKW-Rahmen mit ROS1
Eine kamerabasierte Lokalisierung mit AruCo-Tags (QR-Tags) wurde identifiziert, um die Transformation zwischen dem UR-Roboterarm und der Schraubposition mit Python OpenCV zu berechnen
Die Erfolgsquote der automatischen Schraubaufgabe lag bei 90%
Design der Architektur und Implementierung von Methoden, um die Zuverlässigkeit der 5G-Verbindung zu erhöhen und die Latenz zu reduzieren
Schreiben des MATLAB-Simulators zum Abschätzen der Latenz des Mobilfunknetzes in der Produktionsumgebung
Analyse langfristiger 5G- und LTE-Latenzmessdaten zur Erkennung
Anomalie im Netzwerksystem des Kunden mit Python
Implementierung einer Netzwerk-Tunneling-Architektur wie Layer-2-Konnektivität auf Basis von GRE, um Industrial Ethernet wie Profinet-Konnektivität über das drahtlose Netzwerk in der Fabrikhalle des Kunden zu ermöglichen
Programmierung eines automatisierten Profinet-Datenmonitorings mit Scapy in Python
Erforschung des Potenzials von 5G zur Erfüllung der Latenzanforderungen für die BLISK-Produktion von Strahltriebwerken
Der BLISK-Anwendungsfall erforderte eine Latenz von 10 ms und die entworfene Architektur lieferte eine Latenz von etwa 3 ms Round Trip Time (RTT)
Link zum Projekt: https://www.youtube.com/watch?v=XZWC_ttighM
Erstellen eines C++- und Python-basierten Quadcopter-Simulators
Implementieren verschiedener hochmoderner Verstärkungslernalgorithmen, um ihre Leistung zu vergleichen. Deep Q-net (DQN) und asynchrone Akteur-Akteur-Agenten (A3C)
Implementieren des Signalisierungsservers und der Client-Webschnittstelle mit NodeJs
Einrichten von STUN- und TURN-Servern zur Handhabung von ICE-Kandidaten (Interactive Connectivity Establishment), um die Konnektivität von WebRTC-basierten Remote-Clients zu ermöglichen
Die Latenz des Anrufs betrug etwa 50-100 ms
Advanced Lane Finding:
o Verwenden von Python-OpenCV zum Erstellen einer robusten Bildverarbeitungspipeline zum Erkennen, Erkennen und Identifizieren der aktuellen Autobahnspur in einem Bild oder Video
o Berechnung der Kamerakalibrierungsparameter mit OpenCV
o Perspektivische Umwandlung des Autostraßenbildes in die Vogelansicht
o Berechnet die Fahrzeugposition innerhalb der Fahrspur und den Krümmungsradius der Fahrspur basierend auf Koeffizienten der Polynomanpassung aus der Vogelperspektive
Spurerkennung über alle Frames eines 50-sekündigen realen Fahrzeugkameravideos hinweg erreicht
Behavioral Cloning:
o Convolutional Neural Network (CNN)-basiertes Deep-Learning-Framework (Keras) und OpenCV-Computer-Vision-Framework in Python, um ein Auto für das Fahren in einem Simulator zu trainieren
o Sicheres Fahren in der Trainingsumgebung ohne Kollision sowie in einer zuvor unsichtbaren Umgebung durch Datenauswahl/-Erweiterungsstrategie und Kamerafusion erreicht
Traffic Sign Classification:
o TensorFlow-basiertes Deep-Learning-Framework und Python-OpenCV zum Trainieren eines Klassifikators für den Verkehrszeichen-Datensatz
o Implementierte Datenerweiterung und Bildjitter, um eine Genauigkeit von 94 % für den Testdatensatz zu erreichen
o Convolutional Neural Network mit Nvidia-Architektur wurde verwendet
Extended Kalman Filter:
o Kombinieren Radar- und Laserdaten, um die Richtungsgeschwindigkeit und -position abzuschätzen
o Der erweiterte Kalman-Filter ist auf Basis von C++ implementiert
RMSE der Positionsschätzung und Geschwindigkeitsschätzung waren 0,09 bzw. 0,49
Entwurf von 5G-Konzepten (Physical Layer und MAC Layer) für ultra-zuverlässige und latenzarme Kommunikation (URLLC)
Analyse der Anwendbarkeit auf Industrie 4.0 (Industrial IoT, Cyber Physical Systems), insbesondere untersucht am Fall der industriellen Automatisierung
Theoretische und simulationsbasierte Analyse vorgeschlagener Konzepte
Arbeitete mit einem Java- und ereignisbasierten Systemsimulator, der für die 3GPP-Standardisierung verwendet wird
Die Arbeit ist Teil eines vom Bundesministerium geförderten Forschungsprojekts im Kontext von Industrie 4.0 und 5G
Arbeitete im Team mit 5G- und Industriefunkexperten
Software-Entwicklung / Programmierung
Beratung / Consulting
Projektmanagement / -leitung / Organisation / Koordination
Telekommunikationsindustrie, Mobilfunk-Standardisierung, Robotik-Industrie, Automotive- und Fertigungsindustrie