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 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
För att navigera autonoma farkoster i komplexa miljöer krävs styralgoritmer som kan balansera flera, ibland svårdefinierade mål – exempelvis snabbhet, säkerhet och energieffektivitet. En traditionell förstärkningsinlärningsmetod (RL) bygger på en väl definierad belöningsfunktion, men i många praktiska tillämpningar är det svårt att specificera en sådan utan att den blir förenklad eller missvisande.
Preferensbaserad RL erbjuder ett alternativ genom att agenten lär sig av jämförelser mellan olika beteenden, ofta uttryckta av en människa eller härledda ur proxy-mått. Detta gör det möjligt att forma beteenden även när en fullständig belöningsfunktion saknas.
Beskrivning av examensarbetet
Syftet är att undersöka hur preferensbaserad RL kan användas för att träna policies för autonom navigering av farkoster. Målet är att:
utveckla och implementera en preferensbaserad RL-metod i en simulerad navigeringsmiljö,
jämföra den lärda policyns prestanda med en traditionell RL-metod (med en explicit belöningsfunktion),
analysera styrkor och svagheter med preferensbaserade angreppssätt inom navigering.
Arbetet inleds med en litteraturstudie av preferensbaserad RL och dess användning inom robotik och navigering. Därefter implementeras en simulerad testmiljö (t.ex. för drönare eller markrobotar) där agenten tränas genom preferenser istället för en explicit belöningssignal. Resultaten utvärderas i termer av:
navigeringsförmåga (måluppfyllelse, undvikande av hinder),
träningshastighet, och
generaliseringsförmåga till nya miljöer.
Examensarbetet förväntas resultera i:
en prototyp för preferensbaserad RL för navigeringsuppgifter,
en jämförelse med traditionell RL avseende prestanda och robusthet,
samt en diskussion om lämpliga användningsområden för preferensbaserad RL i autonoma system.
Du kommer arbeta i vår nystartade verksamhet i Solna. Har fokuserar vi på obemannade system vilket innebär ett fokus på teknikområden som krävs för att leda, navigera och styra obemannade system. Främst då flygande sådana.
Din profil
Arbetet är lämpligt för 1–2 studenter som ska påbörja ett 30 hp examensarbete. Vi söker dig som är intresserad av maskininlärning, autonoma system och simulering. Kunskap inom RL, optimering eller robotik är meriterande.
Vi ger dig det stöd och den vägledning du behöver för att omsätta dina teoretiska kunskaper i praktiska lösningar. Bli en drivande kraft bakom Saabs tekniska framsteg!
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
2025-11-30
Kontaktperson
Anders Gustafsson, Chef
anders.gustafsson3@saabgroup.com
0734-378902