Die Integration von physikalischen Erkenntnissen und Gesetzen in den Methoden des Maschinellen Lernens hat sich in den letzten Jahren als sehr vielversprechend gezeigt. Modelle aus diesem Forschungsgebiet, das als "Physics-Inspired Machine Learning" bezeichnet wird, wurden schon für die Modellierung von physikalischen Systemen wie Wasserströmungen, Molekulardynamiken, Wellensysteme und viele mehr erfolgreich angewandt [1]. In dieser Masterarbeit wird untersucht, ob die Methodiken des Physics-Inspired Mls die Leistung eines mit Reinforcement Learning trainierten Agenten verbessern können. Präziser geht es darum, den Effekt der oben genannten Methodiken anhand der Simulation einer Drone zu analysieren.
Ihr Profil:
- Gute Kenntnisse in Python und Tensorflow/Pytorch
- Gute Kenntnisse von ML-Methoden
- Erfahrung mit Deep Reinforcement Learning
- Engagement, Selbständigkeit und Gute Laune
- Keine Angst vor Herausforderungen
Bei Interesse wenden Sie sich bitte bis zum 15.08.2021 an Luca Sacchetto
[1] Willard, Jared, et al. "Integrating physics-based modeling with machine learning: A survey." arXiv preprint arXiv:2003.04919 (2020).