Analyse eines neuartigen KI-Ansatzes für das Trainieren virtueller Roboter mit Gedächtnis

Aus SDQ-Wiki
Wechseln zu: Navigation, Suche
Ausschreibung (Liste aller Ausschreibungen)
Typ Bachelorarbeit oder Masterarbeit
Aushang
Betreuer Wenden Sie sich bei Interesse oder Fragen bitte an:

Daniel Zimmermann (E-Mail:: dzimmer@fzi.de, Telefon:: +49-721-9654-647)

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.


Robotic Environments

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