SHUBHAM PHOOLARI

• Anwendung der Agile Scrum-Methode zur Ausführung täglicher Aufgaben. • Eingaben zur Simulation realer Unfallfälle mit MATLAB und Simulink. • Ausführung von Simulationen und Analyse ihrer Ergebnisse für verschiedene Unfallsituationen • Erstellung von Szenarien im OpenScenario-Format mit Python. •Unterstützung bei Korrelationsarbeiten zwischen physischen Tests und vollständiger Fahrzeugsimulation für verschiedene Crashsituationen

• Beratung der Kunden von Annotell darüber, wie sich der Aufbau sicherer autonomer Fahrzeuge auf die KPI-Anforderungen, die Annotationsqualität und die Datenqualität überträgt • Die Rolle beinhaltete die Entwicklung von Richtlinien und die Sicherstellung der Qualität bei der Bereitstellung von Grundwahrheitsdaten, um verlässliche KPIs und Beweise zu erstellen. • Beratung der Kunden in Bezug auf künftige Zielsetzungen

•Masterarbeit bei Autoliv AB Göteborg •Thema: Study the influence of trajectory and steering vehicle model choice on crash avoidance timing in simulation of rear-end conflicts that include drivers' comfortable steering potential •Ziel der Diplomarbeit war es, den Einfluss der Wahl der Trajektorie und des Lenkungsmodells auf die Zeit der Kollisionsvermeidung bei Auffahrunfällen mit sogenannten 'highD' Drohnendaten zu untersuchen •Verwendete Werkzeuge: Matlab, Simulink

Analyse eines Feldtest-Datensatzes rund um die Aktivierung der autonomen Notbremsung (AEB) / Frontalkollisionswarnung (FCW) mithilfe von Visualisierungs- und Wiedergabetools in Protokolldateien • Kategorisierung der Ereignisquellen in Sensor / Sensorfusion / Entscheidung und Kontrolle und Ereignisse in wahr positiv / falsch positiv / störend. •Zusammenarbeit mit Teams für Kollisionsvermeidung und Sensorfusion, um neue Probleme zu identifizieren

•Praktische Erfahrung beim Ausführen von Datenpipelines, beim Entwerfen von Experimenten, beim Erstellen von Empfehlungssystemen und beim Bereitstellen von Lösungen für die Cloud. •Arbeiten an realen Industrieprojekten wie der vollständigen Pipeline für maschinelles Lernen zur Katastrophenhilfe und dem Erstellen eines Artikelempfehlungs-Engines unter Verwendung der IBM Watson-Plattform.