Analyse eines neuartigen KI-Ansatzes für das Trainieren virtueller Roboter mit Gedächtnis
| Typ | Bachelorarbeit oder Masterarbeit | |
|---|---|---|
| Aushang | ||
| Betreuer | Wenden Sie sich bei Interesse oder Fragen bitte an: |
Beschreibung
Wir entwickeln einen neuartigen KI-Ansatz auf der Grundlage neuroevolutionärer Verfahren für das Lösen schwieriger Reinforcement-Learning-Probleme. Dabei ergänzen wir etablierte Deep Learning Ansätze um komplexere Neuronenmodelle, welche ein Gedächtnis besitzen. Diese sind daher in der Lage, Aufgaben zu erlernen, welche das Speichern von Informationen über längere Zeiträume erfordern. Hierfür bieten sich Experimente mit virtuellen Robotern an, die sich beispielsweise die Positionen von verschiedenen Objekten über über längere Zeiträume merken müssen, um diese zu einem späteren Zeitpunkt aufzufinden.
Ziel der Arbeit ist es, die aktuelle Implementierung um weitere komplexere Roboterexperimente zu erweitern, das Verhalten unseres KI-Ansatzes anhand dieser Experimente zu analysieren und mit State-of-the-Art Deep-Learning-Ansätzen zu vergleichen (z.B. Rekurrente Netze, LSTMs, GRUs). Hierfür nutzen wir vorgefertigte Umgebungen des OpenAI-Gym Frameworks (https://gym.openai.com/envs/#robotics), welche geeignet für unseren Anwendungsfall modifiziert werden sollen, sodass für das Erlernen dieser Aufgaben das Langzeitgedächtnis der KI genutzt werden muss. Da das Trainieren eine hohe Rechenleistung erfordert, kann für die Arbeit ein leistungsfähiger Workstation-PC mit 40 logischen Kernen verwendet werden.
Wir bieten
- Einblick und Mitarbeit an aktuellen Forschungsthemen im Bereich der Neurorobotik
- Intensive Betreuung durch erfahrene Mitarbeiter
- Gut ausgestattete Arbeitsplätze am FZI
- Eine angenehme Arbeitsatmosphäre / flexible Arbeitszeiten
Wir erwarten
- Selbstständiges Denken und Arbeiten
- Sehr gute Deutsch- oder Englischkenntnisse
- Motivation und Engagement
- Optional: Grundkenntnisse in Deep Learning und Python