Project Details
Description
Aktuelle Plattformen zur Umsetzung von self-driving Software auf embedded Hardware wie z.B. ADTF3 sind auf eine ingenieurshaft ausgeführte Ver-arbeitungsstruktur ausgelegt. Ziel des Projektes ist die Umsetzung von modernen Reinforcement Learning (RL) Ansätzen auf embedded Hardware. Im Speziellen, soll eine Beispielplattform geschaffen werden, um mit Hilfe von RL trainierte neuronale Netzwerke dazu zu benutzen um ein Modellfahrzeug durch einen Hindernisparcours zu lotsen oder ähnliche Fahraufgaben, wie das Ein- und Ausparken oder dynamisches Ausweichen umzusetzen.
| Status | Finished |
|---|---|
| Effective start/end date | 01.10.2018 → 31.12.2021 |
Fields of science
- 305 Other Human Medicine, Health Sciences
- 304 Medical Biotechnology
- 102019 Machine learning
- 303 Health Sciences
- 302 Clinical Medicine
- 301 Medical-Theoretical Sciences, Pharmacy
- 102 Computer Sciences
- 106005 Bioinformatics
- 106007 Biostatistics
- 304003 Genetic engineering
- 106041 Structural biology
- 101018 Statistics
- 102010 Database systems
- 106023 Molecular biology
- 102001 Artificial intelligence
- 106002 Biochemistry
- 101004 Biomathematics
- 102004 Bioinformatics
- 102015 Information systems
- 101019 Stochastics
- 102003 Image processing
- 103029 Statistical physics
- 101017 Game theory
- 101016 Optimisation
- 202017 Embedded systems
- 101015 Operations research
- 101014 Numerical mathematics
- 101029 Mathematical statistics
- 101028 Mathematical modelling
- 101026 Time series analysis
- 101024 Probability theory
- 102032 Computational intelligence
- 101027 Dynamical systems
- 102013 Human-computer interaction
- 305907 Medical statistics
- 305905 Medical informatics
- 101031 Approximation theory
- 102033 Data mining
- 305901 Computer-aided diagnosis and therapy
- 102018 Artificial neural networks
- 202037 Signal processing
- 202036 Sensor systems
- 202035 Robotics
JKU Focus areas
- Digital Transformation