Lehrstuhl für Interaktive Echtzeitsysteme

Probabilistische Planung

  • Typ: Vorlesung
  • Semester: Hauptdiplom / Master
  • Ort:

    Geb. 50.34 SR 131

  • Zeit:

    Mi 08:00 - 09:30
    Mi 09:45 - 11:15

  • Beginn: 16.04.2014
  • Dozent:

    Dr.-Ing. Marco Huber

     

  • SWS: 4
  • ECTS: 6
  • LVNr.: 24603
  • Prüfung:

    Die Vorlesung ist in folgenden Vertiefungsfächern des Diplomstudiengangs Informatik mündlich prüfbar:

    • VF1: Theoretische Grundlagen
    • VF11: Robotik und Automation
    • VF13: Anthropomatik
    • VF14: Kognitive Systeme
    Die Kombination mit der Vorlesung Einführung in die Informationsfusion ist thematisch sinnvoll.

Planung ist ein in vielen technischen Bereichen stark verbreiteter Begriff und beschreibt allgemein die vorausschauende Zusammensetzung von Handlungsschritten um ein vorgegebenes Ziel zu erreichen. Planungsaufgaben ergeben sich beispielsweise in der Bewegungsplanung von Robotern, bei der Regelung von technischen Anlagen oder in strategischen Spielen. Aber auch das Bewältigen organisatorischer Aufgaben im alltäglichen Leben erfordert oftmals planerisches Können. Die Ergebnisse der einzelnen, zukünftigen Handlungsschritte sind dabei typischerweise nicht exakt vorhersehbar. Unsicherheiten, die sich etwa aus unbekannten äußeren Störeinflüssen, nur näherungsweise gültigen physikalischen Modellen oder Sensorungenauigkeiten ergeben, beeinflussen die Ergebnisse in einem erheblichen Maße und müssen daher in die Planung mit einbezogen werden.

Inhalt der Vorlesung

Die Vorlesung Probabilistische Planung bietet eine systematische Einführung in die Planung unter Berücksichtigung von Unsicherheiten. Die auftretenden Unsicherheiten werden dabei durch probabilistische Modelle beschrieben. Um einen erleichterten Einstieg in das Gebiet der probabilistischen Planung zu gewährleisten, gliedert sich die Vorlesung in drei zentrale Themengebiete, mit ansteigendem Grad an Unsicherheit:

  1. Markov'sche Entscheidungsprobleme
  2. Planung bei Messunsicherheiten
  3. Reinforcement Learning
Neben der Vermittlung der theoretischen Herangehensweise bei der vorausschauenden Planung mittels probabilistischer Modelle, steht auch die Veranschaulichung der theoretischen Sachverhalte im Vordergrund. Zu diesem Zweck werden praxisrelevante Spezialfälle und Anwendungsbeispiele etwa aus dem Bereich der Robotik, des maschinellen Lernens oder der Sensoreinsatzplanung betrachtet.

 

Aktuelle Hinweise

Material zur Vorlesung

Die Vorlesungsfolien werden semesterbegleitend zur Verfügung gestellt. Zum Herunterladen der PDF-Dateien benötigen Sie die Zugangsdaten, die in der Vorlesung genannt werden.
GrößeStand
1. Vorlesung4.07 MB   19.10.2017
2.60 MB   19.10.2017
2. Vorlesung0.24 MB   01.11.2017
4.63 MB   01.11.2017
3. Vorlesung0.60 MB   09.11.2017
3.58 MB   09.11.2017
4. Vorlesung5.11 MB   22.11.2017
4.01 MB   22.11.2017
5. Vorlesung0.70 MB   29.11.2017
4.00 MB   29.11.2017
6. Vorlesung0.92 MB   07.12.2017
4.22 MB   07.12.2017
7. Vorlesung0.36 MB   14.12.2017
4.31 MB   14.12.2017
8. Vorlesung6.46 MB   21.12.2017
5.02 MB   21.12.2017
9. Vorlesung2.55 MB   11.01.2018
4.16 MB   11.01.2018
10. Vorlesung1.46 MB   18.01.2018
4.24 MB   18.01.2018
11. Vorlesung4.75 MB   25.01.2018
4.44 MB   25.01.2018
12. Vorlesung15.84 MB   01.02.2018
4.28 MB   01.02.2018
13. Vorlesung1.25 MB   08.02.2018
3.81 MB   08.02.2018
Aufgabensammlung1.05 MB   19.10.2017
0.00 MB   14.12.2017
0.00 MB   14.12.2017
0.00 MB   14.12.2017
0.00 MB   25.01.2018
0.01 MB   08.02.2018