Entwicklung eines mit Machine Learning trainierten Putzroboters in einer simulierten Testumgebung

In dieser Arbeit werden die benötigten Methoden und Verfahren beschrieben, mit denen die Navigation eines einfachen Putzroboters durch Machine Learning realisiert werden kann. Grundlagen im Reinforcement Learning und die konkrete Implementierung in der Unity-Engine werden anhand des Machine Learning Agents Toolkit erklärt. Anschließend wird ein realer Roboter entwickelt und mit dem Machine Learning gesteuerten Verhalten verbunden.
Ziel ist es, einen Roboter zu entwickeln, der selbständig durch mehrere zufällig generierte Räume navigieren kann. Dabei soll die Navigation für einen hypothetischen Reinigungsvorgang optimiert werden, der maximale Flächenabdeckung bei minimalem Zeitaufwand vorsieht. Die erzielten Ergebnisse werden dann ausgewertet und in einen Kontext zur Theorie gebracht. Abschließend werden die Schwierigkeiten bei der Entwicklung und mögliche Verbesserungen diskutiert.

  • Arbeit vorgelegt am: 012.03.2021
  • Durchgeführt an der Fakultät für Informatik, Studiengang Game Engineering
  • Betreuer: Prof. Dr. Christoph Bichlmeier
  • Studierende/r: Sebastian Simon Rosenbohm