Froschungspraktikum: Investigation and Implementation of Reinforcement Learning Algorithms on a Robot Arm

Symbolbild zum Artikel. Der Link öffnet das Bild in einer großen Anzeige.

Die Verallgemeinerung des Einsatzes von Robotern in dynamischen Umgebungen, unabhängig von der Komplexität der Aufgabe, ist eines der Hauptziele der Robotikforschung. Das Lernen anhand von Demonstrationen, unterstützt durch Transfer-Lernen und Nutzenden-Feedback, bietet eine gute Möglichkeit, die Verallgemeinerung zu erzielen. Die Hauptidee hinter solchen Ansätzen besteht darin, Robotern neue Fähigkeiten mit menschlichen Anleitenden beizubringen und parametrische Modelle mit Daten aus Demonstrationen zu trainieren, um die gewünschten Fähigkeiten unter wechselnden Bedingungen zu erreichen und zu aktualisieren. In jüngster Zeit ermöglicht die Übertragung von Fähigkeiten mit Hilfe von Deep Reinforcement Learning-Techniken das Training direkt auf echten Robotern.

Klicken Sie hier für weitere Informationen.

M.Sc. Adna Bliek

Wissenschaftliche Mitarbeiterin

Department Elektrotechnik-Elektronik-Informationstechnik (EEI)
Lehrstuhl für Autonome Systeme und Mechatronik

M.Sc. M. Ege Cansev

Wissenschaftlicher Mitarbeiter

Department Elektrotechnik-Elektronik-Informationstechnik (EEI)
Lehrstuhl für Autonome Systeme und Mechatronik