Skip to content Go to main navigation Go to language selector
Saab Global
student

Examensarbete, 30 hp: Generalisering av AI-modeller genom generering av träningsdata

Linköping or Solna,
Sweden
Closing date: 1 December 2025

Är du en student som är ivrig att tillämpa dina teoretiska kunskaper och nya perspektiv på verkliga utmaningar? På Saab tror vi att innovationer växer på nya idéer, och ditt examensarbete kan vara gnistan som tänder vårt nästa tekniska genombrott.

Din roll

Vi söker en/två exjobbare med intresse för maskininlärning. Examensarbetet fokuserar på att undersöka och implementera metoder för att minska gapet mellan simulering och verklighet.

Vi ser det enorma värdet som studenter tillför vårt företag. Din akademiska precision, i kombination med din entusiasm för avancerad teknik, gör att du kan närma dig problem med en unik och insiktsfull lins. På Saab får du möjlighet att samarbeta med erfarna ingenjörer och specialister, få ovärderlig praktisk erfarenhet och samtidigt bidra till vår tillväxt och utveckling.

Bakgrund

Objektdetektering från obemannade luftfarkoster (UAV:er) spelar en central roll i moderna försvarssystem, bland annat för övervakning, målföljning och lägesbildsframställning. En stor utmaning vid utveckling av AI-baserade bildanalyslösningar för UAV:er är bristen på realistiska, annoterade data under varierande förhållanden (väder, ljus, sensorkvalitet, terräng). Simuleringar kan generera stora mängder data, men modeller tränade i simulerade miljöer presterar ofta sämre i verkliga miljöer — ett problem känt som "sim2real gap".

Saab Dynamics har en lång tradition inom bildbehandlingsområdet och sektionerna för bildbehandling samt optronik & bildbaserad navigering handleder årligen ett antal exjobbare inom området. I dagsläget är vi ca 28 personer mellan sektionerna och arbetar med allt från elektrooptiska sensorer till realtidsimplementering av våra bildbehandlingsapplikationer.

Beskrivning av exjobbet

Syftet med detta examensarbete är att undersöka hur väl AI-modeller för bildanalys (t.ex. objektdetektering, semantisk segmentering eller djupestimering) som tränas helt eller delvis på simulerad data kan generalisera till verkliga miljöer. Fokus ligger på att identifiera och utvärdera metoder för att öka realismen i simulerad data samt att minska sim2real-gapet.

Du kommer att använda moderna simuleringsmiljöer såsom NVIDIA Isaac Sim, vilket möjliggör generering av varierade syntetiska datamängder med olika miljötyper, väderförhållanden, kamerahöjder, vinklar med mera. Det kan även bli aktuellt att använda ytterligare verktyg som NVIDIA Omniverse Cosmos för att skapa både tränings- och evalueringsdata i 3D-miljöer. För att öka realismen i de syntetiskt genererade bilderna kan du utforska tekniker som style transfer, där exempelvis GAN-baserade metoder används för att översätta simulerade bilder till en mer verklighetstrogen stil.

Vidare kan du experimentera med olika finetuning-strategier där exempelvis modeller först tränas på simulerad data och därefter anpassas till verkliga exempel.

Exempel på forskningsfrågor:

  • Vilken träningsstrategi bör man tillämpa för att optimera modellprestandan på verklig data? (Enbart simulerad data? simulerad+riktig? Grundträna på simulerad, finetunea på verklig?)

  • Hur kan domain randomization användas för att öka generaliseringsförmågan för en modell?

  • Hur kan domain adaptation användas för minska sim2real-gapet?

  • Går det att identifiera vilka typiska variationer eller brister i simulerad data som mest påverkar överförbarheten till verkliga miljöer?

Din profil

Arbetet är lämpligt för 1-2 studenter i slutet av er teknisk fysik- eller datorteknik-utbildning (eller motsvarande) och ska påbörja ert 30 hp examensarbete. Erfarenheter inom maskinlärning och programmering är meriterande.

Vänligen observera att vi arbetar med löpande urval och tjänsten kan komma att tillsättas innan sista ansökningsdatum har gått ut.

Befattningen kräver att du genomgår och godkänns enligt vid var tid gällande bestämmelser för säkerhetsskydd. För befattningar där Saab har krav på säkerhetsklassinplacering kan, i förekommande fall, medföra krav på visst medborgarskap.

Vad du blir en del av

Upptäck oändliga möjligheter. Anta utmaningar, skapa smarta innovationer och uppgradera dina förmågor. Det här är en plats för kluriga tänkare, modiga pionjärer och alla däremellan. Tillsammans uppnår vi det extraordinära, var och en tar med sitt unika perspektiv. Varje bidrag räknas.

Saab är ett ledande försvars- och säkerhetsföretag med uppdrag att hjälpa nationer att skydda sin befolkning och bidrar till trygghet för människor och samhällen. Med 26,100 talangfulla medarbetare utvecklar Saab teknik och lösningar för en säkrare och mer hållbar värld.

Saab utvecklar, tillverkar och underhåller avancerade system inom flygteknik, vapen, ledningssystem, sensorer och undervattenssystem. Saab har sitt huvudkontor i Sverige men en global verksamhet där Saab är en del av många nationers försvarsförmåga. Läs mer om oss här

Sista ansökningsdag

01-12-2025

Kontaktpersoner

Marcus Klomark, Sektionschef Bildbehandling

marcus.klomark@saabgroup.com

076-8967055

Simon Wold, kontaktperson/handledare

0736524170

Jimmy Cedervall Lamin, kontaktperson/handledare

0707294946