Reinforcement Lernen für mobile Systeme

Zielstellung des Themas ist die Evaluation des Reinforcement-Lernens (speziell Q-Lernen) zur Anwendung in mobilen Systemen. Hierbei sollen die verschiedenen Arten der Methode theoretisch und experimentell verglichen und beispielhaft im Simulator sowie im realen Roboter umgesetzt werden. Die Anwendungsdomäne sei dabei das Erlernen eines Verhaltens zur Hindernisvermeidung mittels Sonarsensoren. Die Implementierung soll besonderen Wert auf die Wiedernutzbarkeit legen.

Abgabe: 10.01.2002 Kolloqium: 31.01.2002

Betreuer: Prof. Dr.-Ing. Jochen Heinsohn, Dipl.-Inform Ingo Boersch

Downloads: Diplomarbeit  A1-Poster  Vortrag 

Categories: Abschlussarbeiten, Maschinelles Lernen, RobotBuildingLab

Sperrt man 4-Gewinnt-Programme in eine Box und startet eine Reproduktion und Selektion durch gegenseitiges Bespielen - steigt dann die Fitness der Spielprogramme? Wie kann die Fitness von Spielprogrammen absolut gemessen werden? Diese Fragen haben wir in diesem Projekt im WS01/02 beantwortet.

 A1-Poster 

Categories: Maschinelles Lernen