Themen für Abschlussarbeiten
Bei Interesse an einer Arbeit sind Sie eingeladen, bei unseren Mitarbeiten nach nähreren Informationen zu fragen. Sind gerade keine Arbeiten ausgeschrieben, können Sie sich ebenfalls gerne nach Arbeiten erkundigen. Hierzu ist es ratsam einen Mitarbeiter aus dem Forschungsbereich zu konsultieren, der Sie am meisten anspricht.
Erklärbarkeit in der Mensch-Roboter-Interaktion
In komplexen Robotersystemen interagieren eine Vielzahl von KI-Komponenten, deren individuelle Entscheidungen gemeinsam das beobachtbare Verhalten des Roboters konstituieren. Für menschliche Interaktionspartner sind diese Prozesse in ihrer Gesamtheit kaum nachzuvollziehen und das Roboterverhalten oft nicht interpretierbar. Durch die Anwendung von Techniken aus der Explainable-AI soll erreicht werden, dass die Handlungen, Fähigkeiten und Wissenszustände eines Roboters transparent werden.
Es besteht die Möglichkeit zur Anfertigung von Abschlussarbeiten in diesem Forschungsbereich. Für den praktischen Einsatz sowie für empirische Studien stehen die Roboter TIAGo (http://pal-robotics.com/robots/tiago/) und Furhat (https://furhatrobotics.com) im Labor zur Verfügung.
Bei Interesse melden Sie sich mit einer Mail bei felix.lindner@uni-ulm.de
Handlungsplanung
Wir bieten verschiedene Themen im Bereich des hybriden Planens, hierarchischen Planens und Partial-Order-Causal-Link-Planens an. Dabei fokussieren sich unsere Untersuchungen weitestgehend auf die Planerkennung, auf das gemischt-initiative Planen zusammen mit dem Nutzer, Planerklärungen, heuristische Suche, Modellierungsunterstützung und auf Komplexitätsuntersuchungen.
Aktuelle Themen stellen wir Ihnen gerne persönlich vor. Melden Sie sich dazu bei Conny Olz.
Semantic Web Technologien und Automatisches Schlussfolgern
- Validierung und prototypische Implementierung von Technologien im Umfeld von Enterprise Knowledge Graphs mit der Robert Bosch GmbH
- Referring Expressions in Ontological Explanations
- Beschreibung (PDF) - Evaluierung von Stream Reasoning Systemen
- Beschreibung (PDF) - Vergleich von OWL Reasonern für SPARQL Abfragen
- Beschreibung (PDF) - Visualisierung von Modellen
- Beschreibung (PDF) - Unit Test Framework für die Ontologieentwicklung
- Beschreibung (PDF) - Klassifikationsverfahren für Ontologien
- Beschreibung (PDF) - Abfrageverfahren für Instanzen komplexer Klassen in Ontologien
- Beschreibung (PDF) - Whitebox Debugging in Ontologien
- Beschreibung (PDF)
Weitere Themen auf Anfrage bei Birte Glimm.
Weiterhin besteht die Möglichkeit zur gemeinschaftlichen Durchführung einer Masterarbeit mit Dr. Thorsten Liebig bei der derivo GmbH, einer Ausgründung des Instituts.
Human-in-the-Loop Reinforcement Learning
Ist es möglich Roboter/AI mithilfe von Demonstrationen und/oder interaktivem Feedback zu trainieren? Innerhalb des Institut untersuchen wir, wie Methoden & Konzepte aus der Erklärbarkeit (Explainable AI, XAI) dazu genutzt werden können, um ein natürliches & performantes Training von Robotern zu ermöglichen.
Aus diesem Grund bieten wir verschiedene Arbeiten im Umfeld von Human-in-the-Loop Reinforcement Learning (HRL, Imitation Learning...), Erklärbarkeit und Human-Robot-Interaction an.
Bei Interesse bitte bei jakob.karalus(at)uni-ulm.de melden.