Dozent:
Prof. Dr. Jochen J. Steil
Organisator:
Termine:
Vorbesprechung:
Mittwoch, 18.10.2017, 16:00 Raum G04 (Informatikzentrum, Galeriegeschoss)
Vortragstermine: (jeweils von 16:15 bis 17:15 im Raum G04)
15.01.2018:
- Random Sample Matching
- Sigmoidfunktion
22.01.2018:
- Automatische Montageplanung
- Reinforcement learning in robotics: Applications and real-world challenges
Ausarbeitung:
18.12.2017: Erste Version / Konzept des Dokuments
29.01.2018: Finale Version
LV-Nummer:
4215020
Modulnummer:
Zielgruppe:
Studierende der Informatik, Informations-Systemtechnik und Wirtschaftsinformatik
Bachelor, Master
Voraussetzungen:
Anmeldung im StudIP, Teilnahme an der Vorbesprechung
Inhalt:
Im Seminar geht es darum, zu einem gegebenen Thema selbstständig einen Vortrag auszuarbeiten und zu halten.
- Es muss eine schriftliche Ausarbeitung (ca. 8-10 Seiten) erstellt werden.
- Der Vortrag soll 20-25 Minuten lang sein, plus Diskussion.
- In der Regel werden vom jeweiligen Betreuer 1-3 Paper zum Thema vorgegeben, weitere Literatur muss selbst recherchiert werden.
- Die Literatur wird größtenteils in englisch sein, Vortrag und Ausarbeitung sollten in englisch angefertigt werden.
- Die Vorträge werden ca. in der zweiten Hälfte des Semesters stattfinden (2-3 pro Sitzung, keine Blockveranstaltung)
- Es besteht Anwesenheitspflicht bei den Vorträgen.
- Bewertet werden Vortrag, schriftliche Ausarbeitung und Teilnahme an den Diskussionen.
Unterlagen:
- Vortrag: Folienvorlage
- Ausarbeitung: LaTex
Scheinerwerb:
Seminarvortrag, aktive Teilnahme an Diskussionen, schriftliche Ausarbeitung
Sprechstunden:
Arne Muxfeldt
Mo. 10:00 - 11:00 Uhr
Nach erfolgreicher Anmeldung im StudIP kann ein Thema, wenn es nicht bereits reseviert wurde, per Mail an den Organisator reserviert werden.
Themen:
- Minimum jerk trajectories
- Visual servoing
- Dynamic Movement Primitives (DMP) for Motion Generation
- Sigmoidfunktion (reserviert)
- Automatische Montageplanung (reserviert)
- Adaptive control modes for HRI
- Comparison on human body parameter estimations
- Reinforcement learning in robotics: Applications and real-world challenges (reserviert)
- Task-space imitation learning using probabilistic models
- Camera Calibration
- Random Sample Matching (reserviert)
- Direction sampling for discovering and learning robots' workspace simultaneously
- Goal babbling Concept
- Automatic error handling in robot assembly operations