Schriftlicher Bericht und mündliche Präsentation

In diesem Praktikum programmieren Studierende autonome Roboter, mittels lernbasierter Methoden in der Entwicklungsumgebung Duckietown zu navigieren. In Kleingruppen implementieren und vergleichen sie Boebachtungslernen und Verstärkungslernen, die den Duckiebot in die Lage versetzen sollen, die Spur zu halten, Hindernisse zu vermeiden und Zielorte zu erreichen. Durch Experimente in Simulationen und mit echten Robotern sammeln die Studierenden Erfahrung in der Datenerhebung, im Training von Modellen und in der Konzeptevaluation. In dem Projekt wird der Tradeoff zwischen überwachtem und belohnungsbasiertem Lernen betont und es werden die Herausforderungen beim Transfer von Lernstrategien von Simulationen auf Realweltbedingungen herausgearbeitet.

Die Studierenden erwerben ein praktisches Verständnis dafür, wie lernbasierte Methoden auf autonome Navigation unter Realweltbedingungen übertragen werden können. Sie lernen, wie man Algorithmen basierend auf Beobachtungs- und Belohnungslernen in der Kontrolle von Robotern designt, implementiert und evaluiert und somit Simulation und physikalische Implementation verbindet.

Prerequisites: Previous completion of "Deep Learning", "Computer Vision" or "Self-Driving Cars"