392270 Learning to Walk with a Six-Legged Robot (Pj) (WiSe 2018/2019)

Inhalt, Kommentar

For more information about the project, please contact
Dr. Andrew Melnik anmelnik(at)techfak.uni-bielefeld.de
Office 3.308 (CITEC Building)
Consultation hours: Wednesdays 17:15-18:00

The project intends to gain practical experience with hierarchical deep reinforcement learning in a simulated and/or real six-legged robot. In this project, you will apply neural networks to learn and produce complex purposeful actions. The structural organization of the controller will reflect insights from biology. First, the overall structure is decentralized and the architecture consists of local control modules that interact only through local coordination influences as can be found in walking insects. Secondly, this leads to a hierarchical control approach which — in the formulation of Deep Reinforcement Learning — is realized as different policies (or sub-policies) with overlapping scopes.

The architecture will be setup in a simulated environment. The controlled system has a high number of degrees of freedom: it is a six-legged robot and each leg consists of three rotational joints. The architecture will be initially pre-trained using the current reactive Walknet system to come up with basic walking behavior. Further future work might include porting this to our robot.

References:
- Decentralized robot controller: Schilling, M., Hoinville, T., Schmitz, J., Cruse, H.: Walknet, a bio-inspired con- troller for hexapod walking. Biological Cybernetics 107(4), 397–419 (2013)
- Extended version including planning: Schilling, M., Hoinville, T., Schmitz, J., Cruse, H.: Walknet, a bio-inspired con- troller for hexapod walking. Biological Cybernetics 107(4), 397–419 (2013)
- Six-legged robot Hector: Schneider, A., Paskarbeit, J., Schilling, M. and Schmitz, J. (2014), HECTOR, A Bio-Inspired and Compliant Hexapod Robot. In: A. Duff, T. Prescott, P. Verschure, N. Lepora (eds.): Living Machines 2014, LNAI 8608, pp. 427–429.
- New robot platform: Phantom X, as discussed in
http://forums.trossenrobotics.com/showthread.php?6315-PhantomX-ROS-Robot-Project

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

- Introduction to Neural Networks course or Advanced Neural Networks
- Python (>= 1 year)

Lehrende

Termine ( Kalendersicht )

Rhythmus Tag Uhrzeit Format / Ort Zeitraum  

Zeige vergangene Termine >>

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-M-Inf-P Projekt Projekt unbenotete Prüfungsleistung
Studieninformation

Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.


Keine Konkretisierungen vorhanden
Kein Lernraum vorhanden
registrierte Anzahl: 0
Dies ist die Anzahl der Studierenden, die die Veranstaltung im Stundenplan gespeichert haben. In Klammern die Anzahl der über Gastaccounts angemeldeten Benutzer*innen.
Adresse:
WS2018_392270@ekvv.uni-bielefeld.de
Lehrende, ihre Sekretariate sowie für die Pflege der Veranstaltungsdaten zuständige Personen können über diese Adresse E-Mails an die Veranstaltungsteilnehmer*innen verschicken. WICHTIG: Sie müssen verschickte E-Mails jeweils freischalten. Warten Sie die Freischaltungs-E-Mail ab und folgen Sie den darin enthaltenen Hinweisen.
Falls die Belegnummer mehrfach im Semester verwendet wird können Sie die folgende alternative Verteileradresse nutzen, um die Teilnehmer*innen genau dieser Veranstaltung zu erreichen: VST_146530384@ekvv.uni-bielefeld.de
Reichweite:
Keine Studierenden per E-Mail erreichbar
Hinweise:
Weitere Hinweise zu den E-Mailverteilern
Letzte Änderung Grunddaten/Lehrende:
Donnerstag, 11. Oktober 2018 
Letzte Änderung Zeiten:
Dienstag, 9. Oktober 2018 
Letzte Änderung Räume:
Dienstag, 9. Oktober 2018 
Art(en) / SWS
Pj / 4
Sprache
Diese Veranstaltung wird komplett in englischer Sprache gehalten
Einrichtung
Technische Fakultät
Fragen oder Korrekturen?
Fragen oder Korrekturwünsche zu dieser Veranstaltung?
Planungshilfen
Terminüberschneidungen für diese Veranstaltung
Link auf diese Veranstaltung
Wenn Sie diese Veranstaltungsseite verlinken wollen, so können Sie einen der folgenden Links verwenden. Verwenden Sie nicht den Link, der Ihnen in Ihrem Webbrowser angezeigt wird!
Der folgende Link verwendet die Veranstaltungs-ID und ist immer eindeutig:
https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=146530384
Seite zum Handy schicken
Klicken Sie hier, um den QR Code zu zeigen
Scannen Sie den QR-Code: QR-Code vergrößern
ID
146530384
Zum Seitenanfang