Bei Bosch Research treiben wir die nächste Generation von Physical AI voran: intelligente Systeme, die ihre Umgebung in der realen Welt wahrnehmen, darüber schlussfolgern und robust handeln können. Da Fahrzeuge zunehmend geteilt, automatisiert und softwaredefiniert werden, wird das Verständnis dessen, was im Fahrzeuginnenraum passiert, ebenso wichtig wie das Verständnis der Straße vor dem Fahrzeug. Die Fähigkeit, Position, Haltung und Bewegung von Insassinnen und Insassen zu erkennen, entwickelt sich sowohl zu einer regulatorischen Anforderung als auch zu einem zentralen Enabler für zukünftige Sicherheits- und Komfortfunktionen. Aktuelle Wahrnehmungssysteme behandeln den Fahrzeuginnenraum und die Außenumgebung jedoch weitgehend als getrennte Domänen, was ihre Fähigkeit einschränkt, aus der kleinen Anzahl an Kameras, die realistisch in einem Fahrzeug eingesetzt werden können, ein konsistentes dreidimensionales Verständnis des Innenraums zu bilden.

In diesem Promotionsprojekt untersuchen Sie neuronale 3D-Szenenrepräsentationen, darunter Neural Radiance Fields, Gaussian Splatting und implizite Occupancy-Modelle, und passen diese an die besonderen Herausforderungen der In-Cabin-Wahrnehmung an. Anders als in Außenumgebungen, in denen ein bewegter Sensor eine weitgehend statische Szene beobachtet, stellt der Fahrzeuginnenraum das gegenteilige Szenario dar: Die Struktur ist fest und bekannt, während die Insassinnen und Insassen die primäre Bewegungsquelle sind und artikulierte, verformbare sowie kontinuierlich wechselnde Bewegungsmuster zeigen. Sie nutzen diese Asymmetrie als Vorteil, indem Sie die bekannte Innenraumgeometrie als integrierte Supervision einsetzen und moderne 3D-bewusste Diffusionsmodelle als gelernte Priors einbeziehen. Ihre Forschung konzentriert sich darauf, Insassinnen und Insassen zuverlässig aus nur ein bis drei festen Kameraperspektiven zu rekonstruieren.

Ein zentrales Ziel des Projekts ist es, eine einheitliche Repräsentation des Fahrzeuginnenraums und der Außenumgebung zu schaffen. Dadurch sollen zukünftige End-to-End-ADAS-Systeme trainiert und validiert werden können, während sie gleichzeitig über Passagiere sowie die umgebende Verkehrssituation schlussfolgern. Als Teil von Bosch Research arbeiten Sie an der Spitze der KI-Innovation und tragen zugleich zu realen industriellen Anwendungen bei. Sie helfen dabei, eine neue Fähigkeit zu entwickeln, die das Verständnis von Innen- und Außenszenen verbindet, und arbeiten eng mit führenden Expertinnen und Experten aus Wissenschaft und Industrie zusammen, um diese Fortschritte in zukünftige sicherheitskritische Produkte zu überführen. Ihre Arbeit verbindet Grundlagenforschung in 3D-Computer Vision und generativem Modeling mit dem praktischen Ziel, Fahrzeuge für alle Personen an Bord sicherer zu machen.

• Ausbildung:
• Sehr guter Masterabschluss in Informatik oder einem vergleichbaren Studienfach
• Erfahrung und Kenntnisse:
• Erfahrung im Bereich Machine Learning mit PyTorch, idealerweise mit vision-basierten Modellen und Neural Scene Representation
• Sehr gute Programmierkenntnisse in Python sowie fundierte Kenntnisse in Computer Vision und 3D-Geometrie, einschließlich Kameramodelle, projektive Geometrie und Multi-View-Constraints
• Vertrautheit mit 3D-Szenenrepräsentationen (z. B. NeRF, Gaussian Splatting, implizite Occupancy Networks) oder Methoden zur Tiefen- und 3D-Schätzung ist ausdrücklich erwünscht
• Erste Berührungspunkte mit differentiable rendering oder der Schätzung artikulierter menschlicher Posen sind von Vorteil
• Persönlichkeit und Arbeitsweise:
• Sie verbinden eine proaktive und sehr motivierte Haltung mit der Fähigkeit, sich sicher in komplexen technischen Umgebungen zu bewegen
• Sprachen:
• Gute Englischkenntnisse in Wort und Schrift