Im Rahmen dieser Masterarbeit entwickelst du eine prototypische, lizenzunabhängige und Python-basierte Reinforcement-Learning-Simulationsumgebung für ausgewählte Fahrmanöver im Automotive-Kontext. Ziel ist es, Reward-Konzepte für einen RL Driver zunächst in einer leichtgewichtigen Umgebung schnell zu explorieren, zu iterieren und zu bewerten, bevor ausgewählte Reward-Ansätze in eine High-Fidelity-Simulation, zum Beispiel CarMaker, übertragen und dort validiert werden.
