Entwicklung und Analyse genetischer Lernverfahren für die Neurorobotik
| Typ | Bachelorarbeit oder Masterarbeit | |
|---|---|---|
| Aushang | Stellenausschreibung BA MA.pdf | |
| Betreuer | Wenden Sie sich bei Interesse oder Fragen bitte an: Daniel Zimmermann (E-Mail: dzimmer@fzi.de, Telefon: +49-721-9654-647) |
Genetische Optimierungsverfahren für das Trainieren von tiefen neuronalen Netzen (Deep Learning) bieten gegenüber etablierten Backpropagation-Algorithmen eine Reihe von Vorteilen. Neben der guten Parallelisierbarkeit kann auch die Belohnungsfunktion einfacher ermittelt werden. Ziel der Arbeit ist die Implementierung genetischer Lernverfahren für das Trainieren virtueller humanoider und vierbeiniger Roboter und die anschließende Analyse des gelernten Verhaltens. Dabei steht das Erlernen komplexer Bewegungsabläufe im Vordergrund. Die virtuellen Roboter müssen nicht selbst erstellt werden, diese werden über das OpenAI Gym zur Verfügung gestellt. Da das Trainieren eine hohe Rechenleistung erfordert, kann für die Arbeit ein leistungsfähiger Workstation-PC mit 40 logischen Kernen verwendet werden.