Institute for Applied AI

Aufbau einer Reinforcement-Learning Implementierung für Kursstufe im Gymnasium

Schüler der Kursstufe eines Gymnasiums sollen eine Reinforcement Learning Anwendung selbst programmieren. Hierfür ist das notwendige Lehrmaterial zu erstellen. Teil des Projekts ist die Auswahl einer interessanten und umsetzbaren Anwendung, z.B. ein Atari-Klassiker, die Auswahl des RL-Algorithmus, die Definition didaktischer Konzepte, die Gestaltung des Lehrmaterials bzw. der Versuchsanleitung und natürlich die Implementierung der Musterlösung in Python.

BetreuerInnen: Johannes Maucher

Creative 🤗 Hugging Face Demos

Die Firma Hugging Face stellt unkompliziert bereits trainierte open-source Modelle und kleine Demos zu Verfügung. Ziel des Projekts ist die Implementierung einer eigenen, möglichst kreativen Demo um KI für Studierenden und Gäste der HdM erlebbar zu machen. Das Projekt startet mit einem Brainstorming und einer Konzeptphase. Im weiteren Verlauf wird die Idee dann mithilfe der Hugging Face Modelle in einem Softwareprojekt implementiert und getestet. Nach Ende der Brandschutzsanierung kann die Anwendung dauerhaft auf der IAAI Demowand ausgestellt werden.

BetreuerInnen: Johannes Theodoridis

Programmierung und Animation eines androiden Roboterkopfs

Für die menschenähnlichen Roboterköpfe im HumanoidLab sollen verschiedene Verhaltensweisen programmiert werden, wie z.B. das Verfolgen von Personen. Je nach Interesse und Kenntnisstand sind Alternativen, wie das Singen eines Lieds oder zur Sprache passender Mundbewegungen (LipSync) denkbar. Insgesamt stehen 3 Roboterköpfe zu Verfügung die im Team oder einzeln genutzt werden können.

BetreuerInnen: Christian Becker-Asano, Marcel Heisler

Text-to-Audio für Androide Roboter

Das Text-to-Audio Modell Bark soll in die bestehende Software zur Steuerung der androiden Roboter des HumanoidLabs integriert werden. Im Gegensatz zum bisherigen Text-to-Speech Modell (VITS), unterstützt Bark mehrere Sprachen, Non-Speech Sounds wie Lachen oder Räuspern, sowie Voice Cloning. Neben der technischen Umsetzung gilt es im Rahmen des Projekts geeignete Prompts zu finden und die Grenzen von Bark auszutesten, sowie passende Animationen, wie z.B. Lachen, für die Roboter zu erstellen.

BetreuerInnen: Marcel Heisler

Einbindung und Adaption eines Large Language Models (LLM) für die Realisierung eines domänenspezifischen Chatbots

Die Fähigkeiten von Large Language Models (LLMs), z.B. im Kontext von Question-Answering Systemen haben in den letzten Monaten die ganze Welt beeindruckt. ChatGPT ist zwar das wohl bekannteste aber bei weitem nicht einzige LLM. U.a. bietet das öffentlich zugängliche Llama 2 von Meta vergleichbare Qualität in der Beantwortung von Fragen aller Art. Auf der Basis von z.B. Llama2 ist es möglich Question-Answering Systeme für spezielle Wissensdomänen aufzubauen, also z.B. Chat-Bots, die auf spezielles Medizin-, Gesundheits-, Behörden- oder Unternehmenswissen trainiert wurden. Packages für Parameter Efficient Fine Tuning (PEFT), Vektordatenbanken (FAISS), LLMs (Huggingface) und den Aufbau entsprechender Prozessketten (Langchain) helfen bei der Implementierung derartiger domänenspezifischer Chatbots. In diesem Projekt soll ein derartiges System für eine noch offene Wissensdomäne aufgebaut werden.

BetreuerInnen: Johannes Maucher

Interaktive Web-App zur optimierten Planung von Windparks mittels Reinforcement Learning

Im Rahmen der Projektarbeit soll gemeinsam mit dem Zentrum für Sonnenenergie- und Wasserstoff-Forschung (ZSW) mit Hilfe von Reinforcement Learning eine Multi-Objective Problemstellung gelöst und visualisiert werden. Konkret geht es dabei um die Frage welche Standorte in einem Gebiet optimal geeignet sind für Windkraftanlagen? Bei der Planung eines Windparks sind dabei verschiedene Aspekte zu berücksichtigen wie beispielsweise die Meteorologische Gegebenheiten, Geländegegebenheiten, gegenseitige Beeinflussung der Windkraftanlagen aber auch Rechtliche Rahmenbedingungen. Optimiert werden soll die Platzierung und Anzahl der Windkraftanlagen in einem vorgegebenen Gebiet. Eine ausführliche Projektbeschreibung finden Sie hier (PDF abrufbar bis 17.10.23).

Kooperation mit Zentrum für Sonnenenergie- und Wasserstoff-Forschung (ZSW)

BetreuerInnen: Johannes Maucher, Frank Sehnke (ZSW), Katharina Strecker (ZSW)

Verkehrszeichen Erkennung und 3D Lokalisierung

HD-Karten spielen eine entscheidende Rolle bei der Einführung und Funktion von (hoch-)automatisierten Fahrfunktionen. Sie enthalten präzise Informationen über Straßengeometrie, Fahrspuren und Verkehrszeichen. Obwohl diese Informationen für zukünftige Fahrzeuge von großer Bedeutung sind, bleibt die Erzeugung solcher Karten ein offenes Forschungsgebiet. Das Ziel dieser Arbeit besteht darin, eine flexible Verkehrszeichenerkennung zu entwickeln und daraus ein 3D-Modell des jeweiligen Zeichens zu generieren.

Kooperation mit Porsche Engineering

BetreuerInnen: Johannes Maucher, Leon Eisemann (Porsche Engineering)