Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Robot LearningModulbeschreibung #41165 / Version 1

← Zur Modulseite English version
Modul / Version#41165 / #1
GültigkeitSeit SoSe 2024
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rToussaint, Marc
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Technische Informatik und Mikroelektronik
Fachgebiet34342100 FG Lernende intelligente Systeme

Kontakt

SekretariatMAR 4-4
Ansprechpartner*inToussaint, Marc
E-Mail-Adressetoussaint@tu-berlin.de
Webseitehttps://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.

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

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Robot LearningIntegrierte Veranstaltung Sommersemester[de]4 ISIS

Arbeitsaufwand und Leistungspunkte

Robot Learning (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Vor-/Nachbereitung158 h120 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

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheEnglisch
Dauer/Umfang90 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 / StuPOSemesterStudiengangsbereich
Automotive Systems
StuPO 2017
SoSe 2025Wahlpflichtbereich
WiSe 2025/26Wahlpflichtbereich
SoSe 2026Wahlpflichtbereich
WiSe 2026/27Wahlpflichtbereich
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018 (17.01.2018)
WiSe 2025/261. Kernbereich 1: Informatik und Mathematik
SoSe 20261. Kernbereich 1: Informatik und Mathematik
WiSe 2026/271. Kernbereich 1: Informatik und Mathematik
Computer Engineering
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
SoSe 2026Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Studiengebiete › Kognitive Systeme / Cognitive Systems
SoSe 2026Studiengebiete › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Cognitive Systems

Sonstiges

Keine Angabe