Mit dem Fortschritt im Bereich Künstliche Intelligenz und maschinelles Lernen gewinnt die Entwicklung selbstlernender Roboter zunehmend an Bedeutung. Ziel dieser Arbeit ist es, einen systematischen Überblick über den aktuellen Stand der Forschung zu geben, Schwerpunkte und Trends zu identifizieren sowie Herausforderungen und offene Forschungsfragen zu analysieren.

Im Zentrum stehen Ansätze, bei denen Roboter ihre Fähigkeiten nicht nur durch klassische Programmierung, sondern durch Lernen aus Daten oder durch Interaktion mit der Umwelt selbstständig entwickeln. Dazu zählen unter anderem Reinforcement Learning, Imitation Learning, Learning from Demonstration oder Meta-Learning im Kontext von Robotik.

Ziele der Arbeit:

• Systematische Recherche und Auswertung wissenschaftlicher Publikationen im Bereich selbstlernender Robotik.

• Kategorisierung der verwendeten Lernmethoden (z. B. RL, IL, Deep RL, Modellbasiertes Lernen).

• Überblick über typische Anwendungsfelder (z. B. Manipulation, Navigation, Multi-Agenten-Systeme, Mensch-Roboter-Interaktion).

• Vergleich genutzter Simulations- und Trainingsumgebungen (z. B. Gazebo, Isaac Sim, Mujoco).

• Analyse aktueller Herausforderungen und offener Forschungsfragen.

• Ableitung möglicher zukünftiger Forschungsrichtungen.

Mögliche Leitfragen:

• Welche Lernparadigmen werden derzeit in der Robotik bevorzugt eingesetzt?

• In welchen Bereichen (Industrie, Medizin, Service, Logistik) kommen selbstlernende Roboter besonders zum Einsatz?

• Welche Simulationsumgebungen und Toolkits unterstützen die Entwicklung lernfähiger Roboter?

• Welche Herausforderungen bestehen im Transfer von simuliertem zu realem Verhalten („Sim2Real Gap“)?

• Welche Rolle spielt die Interaktion mit dem Menschen beim Lernen?

Voraussetzungen:

• Interesse an Robotik, KI und maschinellem Lernen.

• Bereitschaft zur intensiven Auseinandersetzung mit wissenschaftlicher Literatur.

• Gute Deutsch- oder Englischkenntnisse.

• Grundkenntnisse in wissenschaftlichem Arbeiten und Literaturverwaltung (z. B. mit Zotero, Mendeley oder LaTeX/BibTeX).

Organisatorisches:

• Art der Arbeit: Bachelor- oder Masterarbeit (auch als theoretische Projektarbeit möglich).

• Beginn: jederzeit möglich.

Wenn du Interesse hast, sende bitte deinen Lebenslauf, dein Transcript sowie ein kurzes Motivationsschreiben mit Bezug auf das Thema (1 Din A4 Seite, Arial 11 pt 1.5 linespace) an die unten angegebene E-Mail-Adresse. Ich freue mich auf deine Nachricht!

Kategorien:

Kontakt: