Control for Robotics: from Optimal Control to Reinforcement Learning

Worum geht's

Du lernst Grundlagen und Praxismethoden aus optimaler Regelung, modellbasiertem Lernen und Reinforcement Learning mit Blick auf Roboteranwendungen. Am Ende kannst du optimale Steuerungsansätze herleiten, praktisch implementieren und lernbasierte Controller entwerfen, die mit Störungen und Modellungenauigkeiten umgehen.

Was du danach kannst

• optimale Regelungsgleichungen für mobile Roboter herleiten
• optimale Regler praktisch implementieren und analysieren
• staat‑of‑the‑art Ansätze zu lernbasierter Regelung und Reinforcement Learning verstehen
• lernbasierte Controller entwerfen, um Nichtidealitäten wie Modellfehler zu bewältigen

Aus was das Modul besteht

• VorlesungEinführung in Kernkonzepte von optimaler Regelung, modellbasiertem Lernen und Reinforcement Learning
• In‑Class Exercises und Tutorialsgemeinsames Durcharbeiten von Beispielen zur Vertiefung
• Assignmentspraktische Anwendung und Hands‑on Implementierungserfahrung
• Optionales Course ProjectVertiefung und Anwendung in einem größeren praktischen Projekt

Lehrmethode

• Vorlesungen (Präsentation/Blackboard/Slides)Vermittlung der theoretischen Grundlagen
• In‑Class Exercises und TutorialsAnwenden und Üben der Konzepte an Beispielen
• Assignments (Handouts/Implementierungen)Praxisorientiertes Üben und Umsetzung in Code
• Online Videoszusätzliche Tutorials zur Unterstützung des Selbststudiums