Tehetséggondozó programok

A BEST - Bosch Engineering Scholarship Team – egy olyan ösztöndíjprogram, mely lehetőséget biztosít ambiciózus, kiemelkedő szakmai és tanulmányi háttérrel rendelkező mérnöki területen tanuló diákoknak, hogy a lehető legtöbbet hozzák ki mesterképzésükből – mind tanulmányi, mind pedig szakmai szempontból.

Az ösztöndíjra elsősorban gépészmérnök, mechatronikai mérnök, villamosmérnök, járműmérnök, autonóm járműirányítási mérnök, közelekedésmérnök, ipari termék és formatervező mérnök, matematikus, alkalmazott matematikus, gazdaságinformatikus, mérnökinformatikus, autonomrendszer informatikus, programtervező informatikus, anyagtudomány, fizikus, mesterképzés előtt álló/mesterképzésük első félévében tanuló diákjai pályázhatnak.

A pályázati anyagodnak tartalmaznia kell az önéletrajzodat, motivációs leveledet, illetve egy/több egyetemi oktatói ajánlást.

Először pályázati anyagodat kell benyújtanod a jelentkezési felületen, majd egy többkörös interjúztatási folyamat során lehetőséged lesz bemutatni számunkra tanulmányi, szakmai hátteredet, illetve megismerheted a potenciális mentor jelölteket és témáikat.

Az ösztöndíj mértéke bruttó 350 000HUF/hónap.

Az első kifizetés a felvétel utána első hónapban történik meg.

„Becslések alapján világszinten a közlekedési balesetek 10-30 százalékának hátterében a sofőr fáradtsága, csökkent figyelmi szintje áll. A cél az ilyen balesetek megelőzése egy járművekbe integrálható rendszer segítségével, mely képes a kritikus fáradtsági szintet időben felismerni. A feladatot bonyolítja, hogy a sofőrök által adott önértékelések túlságosan szubjektívek, torzítást okoznak, nem nyújtanak precíz, megbízható értékeket. Emiatt egy speciális szimulátoros kísérleti környezet került kialakításra, és az innen származó fiziológiás, elsősorban elektroenkefalogram (EEG) adatokkal dolgozunk. Korszerű mesterséges neurális hálózatok alkalmazásával keressük a legmeghatározóbb jeleket, és ezekre alapozva osztályozzuk a becsült fáradtsági szintet. A projekt részét képezi különböző módszerek, modellek kipróbálása, a kapott eredmények összevetése és validációja.” – Varga Bori, BEST ösztöndíjas hallgató

“Kutatási témám a Mesterséges Intelligencia használata Tudásgráfokon. Foglalkozok gráfos adatstruktúra építésével nyers szövegből, Nagy Nyelvi Modellek segítségével, illetve Gépi Tanuláson alapuló módszerek használatával a gráfokon való keresés során.” – Gregosits Tamás, BEST ösztöndíjas hallgató

„Témám az úgynevezett „Rattling detection”-ről szól, ami azt jelenti, hogy egy autóalkatrész nem kívánatos zajaiból arra következtetünk, hogy milyenfajta gyártási, illetve tervezési hibái lehetnek. Ennek előkészületeképpen olyan méréseket végeztünk, melyben egy sima fémlemezt, illetve valós alkatrészeket gerjesztettünk automata kalapáccsal, és azt próbáltuk megjósolni, hogy hol volt a mérési pont, mely ekvivalens azzal, hogy hol történt a gerjesztés. Ehhez kétfajta megközelítést alkalmazunk: egyet, amelyben a mérési pont pontos helyét jósoljuk meg egy koordináta rendszerben, és egyet, amelyben az alkatrészt diszkretizáljuk tartományokra, és a tartományt próbáljuk megmondani. Ezek hoztak is bíztató eredményeket, az első esetben pár milliméteres hibával és szórással, a második esetben pedig 95% feletti találati aránnyal (természetesen bizonyos feltételek mellett). Ezekhez születtek AI-t támogató és anélküli modellek is.” – Szirmai Vilmos Andor, BEST ösztöndíjas hallgató

"Motorok életciklusának tesztelése során létrejött idősor jeleket elemzünk és dolgozunk fel abból a célból, hogy anomáliákat keressünk bennük és ebből megpróbáljuk meghatározni azok meghibásodását. Ehhez statisztikai és gépi tanuló modelleket használunk, a legmodernebb deep learning technológiákat is alkalmazva. A végső célunk, hogy olyan rendszereket fejlesszünk, amik ezekkel az algoritmusokkal mérés közben is meg tudják határozni a működésbeli rendellenességeket, különös figyelmet fordítva azok okainak megmagyarázására." - Kiss Andor, BEST ösztöndíjas hallgató

"Az utóbbi másfél évtizedben az elektromos autók és hajtásláncok fénykorukat élik, így a belsőégésű motorokkal szemben az elektromos hajtásláncokon lévő csatlakozók szerepe is nagyban felértékelődött. Sok esetben az autók anomális üzemelését, a szenzorok nem megfelelő működését és néhány esetben a baleseteket is a meghibásodott csatlakozók okozzák. A kutatás-fejlesztés projektünk két részre bontható; az első részben egy olyan modern validációs tervet dolgoztunk ki, amelyet egy általános követelményrendszerre alapoztunk, így normarendszertől függetlenül alkalmazható bármely vevő által rendelt eAxle kompakt hajtáslánc csatlakozóira. A projekt második része egy új, nem-invazív tesztmódszer kidolgozását tűzte ki célul, amely során a csatlakozók dörzskorróziós állapotát valós időben lehet vizsgálni akusztikus emisszió segítségével. Az új tesztmódszer kikutatása és fejlesztése a Robert Bosch Kft., az ELTE TTK Anyagfizikai Tanszék és a BME Műszaki Mechanikai Tanszék közös együttműködésével valósul meg korszerű és a világon egyedülállónak mondható eszközök segítségével." - Lipcsei Sándor, BEST ösztöndíjas hallgató

"A projektem célja egy új generációs mérőalkalmazás készítése. A program feladata, hogy megkönnyítse a felhasználó életét azáltal, hogy egy kényelmes és modern felületet biztosít a mérések összeállításához, indításához és kiértékeléséhez. Külön érdekesség, hogy a software gyártófüggetlen, tehát bármilyen, a méréshez szükséges hardver használható, amennyiben rendelkezésünkre áll a megfelelő driver. Mindezen funkcionalitások egy modern nyelven, C#-ban kerülnek megvalósításra. A lefordított .dll-ek más programnyelvekben is újrafelhasználhatóvá teszik a szoftvert, akár a teljes egészét is implementálhatjuk más, (szkript alapú) nyelvekbe." - Icsei Gergely, BEST ösztöndíjas hallgató

"A projekt során elsősorban referenciaszenzorok keresztvalidációjával foglalkozunk. Fontos, hogy a lehető legtöbb különböző forgatókönyvet vizsgáljuk meg, és azonosítsuk az esetlegesen hiányzó szituációkat. Végső célunk a multiszenzor-fúzió megvalósítása kamera és LiDAR adatok felhasználásával. Ez által szeretnénk még pontosabb referenciaadatokat generálni." - Magyar Dávid, BEST ösztöndíjas hallgató

"Egy önvezető autó működése több részfeladatra bontható, az egyik ilyen feladat a tervezés. Ennek során az önvezető autónak meg kell becsülni a többi résztvevő lehetséges jövőbeli trajektóriáját és ezalapján döntést hozni a saját mozgásáról.

Mi egy meglévő modell architektúráját szeretnénk módosítani, a pontosabb eredmény elérése érdekében. A modell neve LaneGCN, működése gráf neurális hálokon alapul. A modell „Agent to Agent” részét szeretnénk kicserélni egy gráf pooling alapú megoldásra, amiben a gráf egyes csúcsainak egyesítésével egy kompaktabb reprezentációt hoznánk létre, ami leírja az adott közlekedési helyzetet." - Szász Milán, BEST ösztöndíjas hallgató

"A modern vezetést segítő rendszerek gyakran gépi tanuláson alapuló megoldásokat alkalmaznak, amelyhez természetesen tanító adathalmazra van szükségük.

Ezek az adathalmazok jelenleg legtöbbször manuálisan címkézettek. A témám célja az, hogy bizonyos adathalmazokon ez a címkézés automatikusan történjen, ezzel lecserélve az emberi tényezőt a rendszerben." - Kriston Milán, BEST ösztöndíjas hallgató

A Neurális hálózatoknál fontos, hogy megfelelő számú bemeneti paraméterrel dolgozzunk, különben felléphet a túlillesztés jelensége, ekkor romlik a modellünk predikciós képessége, illetve a több feature nagyobb számítási időt is igényel. A témám egy új Feature Selection algoritmus implementálása egy ultrahang alapú parkolás-segítő rendszernél, a cél, hogy majd a gyártásban is használható számításigényű rendszert fejlesszünk, a feature-k számának csökkentésével úgy, hogy a lehető legjobban megőrizzük a modell predikciós képességét." - Csatlós Botond, BEST ösztöndíjas hallgató

"Az iparban a termékfejlesztési és a termékgyártási folyamat során nagy mennyiségben keletkeznek adatok, melyek manapság digitalizált formában utólagos elemzés számára is rendelkezésre állnak. A gyártási és fejlesztési területen minden esetben az adatokhoz specifikációk vannak társítva, melyek segítenek annak eldöntését, hogy a termék és a folyamat a megadott határokon belül található-e. Ugyanakkor az iparban a minőségbiztosítás megköveteli azt is, hogy a határértékeken, specifikációkon belüli eltéréseket is vizsgáljuk (pl. autoenkóderek segítségével). A projekt, fuzzy szabályalapú rendszerek alkalmazásán keresztül, foglalkozik az összefüggések magyarázhatóságának, levezetésével, mely nagymértékben megkönnyíti, lerövidíti az ipari környezetben a döntés, beavatkozás idejét." - Lukács Hunor, BEST ösztöndíjas hallgató

"A BEST program keretében végeselemes szimulációval vizsgálom a Bosch által gyártott MEMS (micro electromechanical system) szenzorok leejtéskor mutatott viselkedését. Ilyen mikroméretű gyorsulásmérő szenzorok és giroszkópok találhatóak például a mobiltelefonunkban vagy akár a fülhallgatónkban. A probléma érdekességét a mikrométeres méretskála és a mikroszekundumos időskála, valamint a szimulációhoz szükséges különböző anyagmodellek adják. A szimulációt ANSYS Mechanical és LS-Dyna szoftverekkel végzem." - Plavecz Lambert, BEST ösztöndíjas hallgató

"A témám során forrasztással foglalkozó gyártósori adatokat dolgozunk fel, hogy kiderítsük, milyen paraméter okozza a kiesőket. A feladat része az adatok strukturált összegyűjtése, megértése, adatelemzési algoritmusok megismerése és a megfelelők alkalmazása, illetve az eredmények összehasonlítása, végül kiértékelése. Ennek során nagy tapasztalatot lehet szerezni az adatelemzési feladatok megoldásának metodikájában." - Giczi Alexandra, BEST ösztöndíjas hallgató

"Felületi normálvektorok becslése sztereó képpárokon. A két képen talált pontmegfeleltetések környezetei egy affin transzformációval átvihetők egymásba. Ez a transzformáció függ többek között a felület orientációjától is, így meghatározható belőle a normálvektor. A téma az eddigi elméleti eredmények gyakorlatba történő átültetésével, illetve standard sztereó esetre való egyszerűsítésével foglalkozik. Reményeink szerint az így kapott normálvektorok segítségével javítható lesz különböző, például szegmentációs feladatok pontossága." - Karikó Csongor Csanád, BEST ösztöndíjas hallgató

"A feladat egy tesztpad kifejlesztése automataváltó-vezérlőkben alkalmazott szolenoid aktuátorok dinamikus viselkedésének vizsgálatára. A feladat részeként mechanikai illetve elektronikai elemekből meg kell tervezni a mérési összeállítást, illetve beágyazott szoftvert kell fejleszteni hozzá. ezen kívül egy PC-n futó mérőprogramot is el kell készíteni, HMI-vel (human-machine interface) együtt." - Palicsek Levente, BEST ösztöndíjas hallgató

"Fuzzing (vagy fuzz tesztelés) az egyik legerőteljesebb automatizált szoftver tesztelési eljárás. A módszer lényege, hogy a tesztelés alatt álló eszköznek véletlenszerűen módosított, de helyes üzeneteket küldünk, majd ezek hatását különböző eljárásokkal vizsgáljuk. A teszt célja egy nem várt viselkedés előidézése és észlelése. A módszer nagy előnye, hogy a vizsgálandó rendszer pontos ismerete nélkül is alkalmazható, mert a kimenet helyességét nem kell ellenőrizni. Vezeték nélküli protokollok fuzz tesztelése egy kihívásokkal teli folyamat: hardware közeli driverek módosítása, állapotfüggőség felépítése stb, amelyhez szükséges a rendszer szintű mérnöki gondolkodás." - Kepics János, BEST ösztöndíjas hallgató

"A korszerű elektromechanikus automata sebességváltók elengedhetetlen részét képzik az állandómágneses szinkronmotorok, melyek fordulatszám/pozíció meghatározását jellemzően szenzorok segítségével végzik. Ezek kiváltására azonban léteznek szenzor nélküli módszerek, ahol a szabályzáshoz szükséges adatokat különböző modellek alapján becsülni tudjuk, pusztán az áramok és feszültségek ismeretében. Ezek a becslő eljárások jellemzően csak korlátozott fordulatszám-tartományban működnek, így a motor működtetéséhez több módszer együttes alkalmazása, kombinálása szükséges. A projekt célja, hogy több becslő eljárást implementálva és felhasználva, a jelenlegi szenzoros szabályzást teljesen ki lehessen váltani." - Oláh Kristóf, BEST ösztöndíjas hallgató