Lehrinhalte
- Grundlagen aus der Robotik und des Maschinellen Lernens für Lernende Roboter
- Maschinellen Lernen von Modellen
- Representation einer Policy. Hierarchische Abstraktion mit Bewegungsprimitiven
- Imitationslernen
- Optimale Steuerung mit gelernten Modellen
- Reinforcement Learning und Policy Search-Verfahren
- Inverses Reinforcement Learning
Literatur
Deisenroth, M. P.; Neumann, G.; Peters, J. (2013). A Survey on Policy Search for Robotics, Foundations and Trends in Robotics
Kober, J; Bagnell, D.; Peters, J. (2013). Reinforcement Learning in Robotics: A Survey, International Journal of Robotics Research
C.M. Bishop, Pattern Recognition and Machine Learning (2006),
R. Sutton, A. Barto. Reinforcement Learning - an Introduction
Nguyen-Tuong, D.; Peters, J. (2011). Model Learning in Robotics: a Survey
Voraussetzungen
Gute Programmierkenntnisse in Python, Machine Learning 1 - Statistical Approaches sind hilfreich aber nicht zwingend erforderlich
Online-Angebote
moodle
- Lehrende: Jan Peters