392246 ISY Project: Deep Reinforcement Learning on a Four-Legged Robot (Pj) (SoSe 2021)

Inhalt, Kommentar

Deep Reinforcement Learning (DRL) has shown a lot of success over the last years in areas ranging from playing computer games to control of robots. However, when facing real world tasks, Deep Reinforcement Learning approaches have difficulties with already slight variations of the task or dealing with noise. Therefore, there is a growing interest to make this systems more robust and a lot of inspiration can be taken from animals and their adaptive control strategies.

This project aims at realizing adaptive control of walking for a simple four-legged walking robot. It is based on a DRL standard environment (OpenAI’s Ant walker) which will be transferred from simulation to a real robot. The main tasks for the group will be:
- construction of the robot (3D printed, following https://github.com/OteRobotics/realant; plus using standard servos and a ROS platform)
- application of deep reinforcement learning on the robot (probably use a pretrained model from simulation)
and at a possible later stage apply/evaluate our Decentralized DRL approach
- realization of a global camera system that is able to track the robot (in order to provide position/reward information for learning)

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Interest in robotics - and it would be good to have some students with experience in ROS.
Introduction to Neural Networks and python programming - basic knowledge in DRL is a plus

In case this would not find enough interest for a team project, this project proposal would be also offered (in reduced/modified form)

Lehrende

Termine ( Kalendersicht )

Rhythmus Tag Uhrzeit Format / Ort Zeitraum  

Zeige vergangene Termine >>

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-M-Inf-GP Grundlagenprojekt Intelligente Systeme Gruppenprojekt 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: 5
Dies ist die Anzahl der Studierenden, die die Veranstaltung im Stundenplan gespeichert haben. In Klammern die Anzahl der über Gastaccounts angemeldeten Benutzer*innen.
Adresse:
SS2021_392246@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_261599670@ekvv.uni-bielefeld.de
Reichweite:
4 Studierende direkt per E-Mail erreichbar
Hinweise:
Weitere Hinweise zu den E-Mailverteilern
Letzte Änderung Grunddaten/Lehrende:
Freitag, 5. Februar 2021 
Letzte Änderung Zeiten:
Freitag, 5. Februar 2021 
Letzte Änderung Räume:
Freitag, 5. Februar 2021 
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=261599670
Seite zum Handy schicken
Klicken Sie hier, um den QR Code zu zeigen
Scannen Sie den QR-Code: QR-Code vergrößern
ID
261599670
Zum Seitenanfang