Modulbeschreibung
SmartBot
Kürzel:
M_VP_18814
Durchführungszeitraum:
FS/18
ECTS-Punkte:
18
Lernziele:
Die Studierenden
- können die Grundprinzipien des bestärkenden Lernens (reinforcement learning RL) formulieren.
- können reale Steuerprobleme mittels RL modellieren.
- können mithilfe einer geeigneten Simulationsumgebung (z.B. Gazebo), einen Roboter inkl. Umgebung (Vorwärts- und Inverse Kinematik, Hindernisse inkl. Physik, Robotersensorik, etc.) simulieren.
- können die Robotersimulation mit einem RL Algorithmus kombinieren und auf einen realen Roboter applizieren.
Verantwortliche Person:
Frick Klaus
Standort (angeboten):
Buchs
Empfohlene Module:
Modultyp:
Standard-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)
Standard-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)
ECTS-Punkte pro Kategorie
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Modulbewertung
Bewertungsart:
Note von 1 - 6
Leistungsbewertung
Während des Semesters:
Im Kurs „SmartBot - selbstlernender Roboter“ wird ein Projekt mittels Bericht und Fachgespräch bewertet. Im Kurs „Grundlagen Reinforcement Learning“ wird ein Fachgespräch bewertet.
Bewertungsart:
Note von 1 - 6
Gewichtung:
Im Kurs „SmartBot - selbstlernender Roboter“ wird ein Projekt mittels Bericht (Gewicht 64%) und Fachgespräch (Gewicht 16%) bewertet. Im Kurs „Grundlagen Reinforcement Learning“ wird ein Fachgespräch (Gewicht 20%) bewertet.
Bemerkungen:
Kurse in diesem Modul
SmartBot - selbstlernender Roboter
Kürzel:
VP_1881401
Arbeitsaufwand:
420
Semester:
1
Lernziele:
Die Studierenden
- können mithilfe einer geeigneten Simulationsumgebung (z.B. Gazebo), einen Roboter inkl. Umgebung (Kinematik, Hindernisse inkl. Physik, Robotersensorik, etc.) simulieren.
- können die Robotersimulation mit einem RL Algorithmus kombinieren und auf einen realen Roboter applizieren.
Plan und Lerninhalt:
- Robotik, Vorwärts- und Rückwärtskinematik
- Reinforcement Learning
- Robotersimulation mittels gegebener Umgebung
Kursart:
Durchführung gemäss Stundenplan
Projekt mit Lektionen pro Woche
- Max. Teilnehmer: 99
- Harte Grenze: nein
Grundlagen Reinforcement Learning
Kürzel:
VP_1881402
Arbeitsaufwand:
120
Semester:
1
Lernziele:
Die Studierenden
- erlernen die Grundzüge tiefer neuronaler Netze sowie deren Anwendung für bestärkendes Lernen.
- erlernen die Grundlagen der Programmiersprache Python.
Plan und Lerninhalt:
- Reinforcement Learning
- Neuronale Netze
Kursart:
Durchführung gemäss Stundenplan
Selbststudium mit Lektionen pro Woche
- Max. Teilnehmer: 99
- Harte Grenze: nein