Mit Hilfe von Deep Reinforcement Learning lernen Roboter immer aufwändigere Modelle für die Bewegungssteuerung. Neue Reinforcement-Lernverfahren erlauben es inzwischen, auch in sehr komplexen Umgebungen diese Art des maschinellen Lernens durch Belohnung und Bestrafung einzusetzen. Tiefe neuronale Netzwerke steuern dabei komplexe Bewegungsabläufe situationsangepasst.

Im Vortrag zeigt Prof. Dorer anhand simulierter, zweibeiniger Fußballroboter, welche Möglichkeiten Deep Reinforcement Learning bietet und warum diese Lernverfahren und die damit gelernten Modelle anderen
Lern- und Optimierungsverfahren überlegen sind.

Prof. Klaus Dorer ist seit 2020 Professor für Künstliche Intelligenz, Autonome Systeme und Softwaretechnik an der Hochschule Offenburg.