Masterthesis - Reinforcement Learning approach for path following and base control

Was Sie bei uns tun

• Analyse des bestehenden Navigations-Stacks (Local-Controller/Path-following-Controller, Base Controller)


• Entwicklung und Training eines Reinforcement-Learning-Ansatzes, der die klassische Trennung von Path-following-Controller und Base-Controller in einer gemeinsamen Policy abbilden


• Untersuchung modellfreier und/oder modellbasierter RL-Verfahren hinsichtlich Stabilität, Datenbedarf und Übertragbarkeit


• Integration in eine bestehende ROS2-Umgebung


• Validierung in Simulation in einer bestehenden ROS2-Umgebung und auf unseren eigens entwickelten Robotern


• Vergleich mit bestehenden Controllern bzgl. Pfadfehler, Stabilität und Inbetriebnahmezeit


• Dokumentation, Auswertung und wissenschaftliche Aufbereitung der Ergebnisse