Robot LearningModulbeschreibung #41165 / Version 1
- 6 LP
- Schriftliche Prüfung
- Benotet
- Sommersemester
- Englisch
| Modul / Version | #41165 / #1 |
|---|---|
| Gültigkeit | Seit SoSe 2024 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Toussaint, Marc |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Technische Informatik und Mikroelektronik |
| Fachgebiet | 34342100 FG Lernende intelligente Systeme |
Kontakt
| Sekretariat | MAR 4-4 |
|---|---|
| Ansprechpartner*in | Toussaint, Marc |
| E-Mail-Adresse | toussaint@tu-berlin.de |
| Webseite | https://argmin.lis.tu-berlin.de/ |
Lernergebnisse
Die Studierenden haben ein systematisches Verständnis der vielfältigen Szenarien und Problemstellungen, in denen Methoden des maschinellen Lernens in der Robotik angewendet werden können.
Sie verstehen, wie die Lernprobleme in jedem dieser Problemstellungen mathematisch formuliert sind.
Sie können entscheiden, welche Arten von Lernmethoden für welche Problemstellungen anwendbar und geeignet sind.
Sie können Fortschritte im maschinellen Lernen auf Anwendungen in der Robotik übertragen.
Sie haben erste Erfahrung mit grundlegenden Lernmethoden, die auf Robotikprobleme angewendet werden.
Sie verstehen, wie die Lernprobleme in jedem dieser Problemstellungen mathematisch formuliert sind.
Sie können entscheiden, welche Arten von Lernmethoden für welche Problemstellungen anwendbar und geeignet sind.
Sie können Fortschritte im maschinellen Lernen auf Anwendungen in der Robotik übertragen.
Sie haben erste Erfahrung mit grundlegenden Lernmethoden, die auf Robotikprobleme angewendet werden.
Lehrinhalte
Robot Learning bezeichnet im Allgemeinen die Anwendung von Lernmethoden im Kontext der Robotik, wie sie in der modernen Robotikforschung allgegenwärtig ist. Dieser Kurs bietet eine systematische Einführung in das Gebiet, insbesondere in die verschiedenen Szenarien und Problemstellungen, in denen maschinelles Lernen angewendet werden kann, sowie in die spezifischen Lernmethoden selbst. Themengebiete sind:
• Systemidentifikation, Modell-Lernen, Restmodell-Lernen
• Imitations-Lernen, Behavior Cloning, Lernen von Demonstration
• Reinforcement-Learning (RL), Skill-Lernen, Offline-RL
• Constraint-Lernen, Greifen lernen, Iterative-Learning-Control
• Lernen zur Plan-Prädiktion, Lernen zum Warmstart von MPC oder Optimierung
• Inverses RL
• Lernen als Optimierung, In-situ-Lernen/Trial-and-Error vs. Offline-Optimierung
• Evolutionäres Lernen
• Online und lebenslanges Lernen
• Sicheres Lernen
• Multiroboter Lernen
• Systemidentifikation, Modell-Lernen, Restmodell-Lernen
• Imitations-Lernen, Behavior Cloning, Lernen von Demonstration
• Reinforcement-Learning (RL), Skill-Lernen, Offline-RL
• Constraint-Lernen, Greifen lernen, Iterative-Learning-Control
• Lernen zur Plan-Prädiktion, Lernen zum Warmstart von MPC oder Optimierung
• Inverses RL
• Lernen als Optimierung, In-situ-Lernen/Trial-and-Error vs. Offline-Optimierung
• Evolutionäres Lernen
• Online und lebenslanges Lernen
• Sicheres Lernen
• Multiroboter Lernen
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Robot Learning | Integrierte Veranstaltung | Sommersemester | [de] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Robot Learning (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 8 h | 120 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Wöchentliche Vorlesungen, Übungen, Programmieraufgaben und Hausaufgaben
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
• Gute Vorkenntnisse in Maschinellem Lernen
• Grundlagen in KI (insb. Markov-Entscheidungs-Prozesse)
• Grundlagen in Robotik
• Grundlegende Programmierungskenntnisse
• Grundlagen in KI (insb. Markov-Entscheidungs-Prozesse)
• Grundlagen in Robotik
• Grundlegende Programmierungskenntnisse
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | 90 min |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Siehe die ISIS-Kursseite.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Automotive Systems StuPO 2017 | SoSe 2025 | Wahlpflichtbereich |
| WiSe 2025/26 | Wahlpflichtbereich | |
| SoSe 2026 | Wahlpflichtbereich | |
| WiSe 2026/27 | Wahlpflichtbereich | |
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 (17.01.2018) | WiSe 2025/26 | 1. Kernbereich 1: Informatik und Mathematik |
| SoSe 2026 | 1. Kernbereich 1: Informatik und Mathematik | |
| WiSe 2026/27 | 1. Kernbereich 1: Informatik und Mathematik | |
| Computer Engineering StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| WiSe 2025/26 | Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| SoSe 2026 | Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems | |
| Computer Science (Informatik) StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| WiSe 2025/26 | Studiengebiete › Kognitive Systeme / Cognitive Systems | |
| SoSe 2026 | Studiengebiete › Kognitive Systeme / Cognitive Systems | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems | |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems | |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems | |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Cognitive Systems |
Sonstiges
Keine Angabe