Biographie

Siwei Ju ist seit Oktober 2021 Doktorandin bei der Porsche AG und dem IAS, TU Darmstadt. Sie arbeitet an Verstärkungslernen (RL) und Nachahmungslernen (IL), mit Porsche Motorsport, einem professionellen Rennteam der Spitzenklasse. 

Das Fahren von Rennwagen ist nicht nur wegen der sich schnell ändernden und instabilen Dynamik eine Herausforderung, sondern auch, weil Fahrer und Auto als eine Einheit betrachtet werden müssen, was ein Fahrermodell erfordert, das mit der Dynamik umgehen und den menschlichen Fahrer imitieren kann.
Daher konzentriert sich ihre Arbeit auf das Erlernen einer robusten, wettbewerbsfähigen und menschenähnlichen Fahrpolitik, wobei sie verschiedene moderne Methoden von RL und IL untersucht. Bei diesem Prozess ist es von entscheidender Bedeutung zu erforschen, wie Experten bei solch komplexen Aufgaben arbeiten, lernen und sich anpassen und die Leistung optimieren. Das gewonnene Wissen könnte in datenbasierten Modellen unter Verwendung von KI-Methoden dargestellt [1,2]. 
Darüber hinaus ist eine Schlüsselfrage für das Nachahmungslernen, wie die Qualität der Nachahmung durch objektive Maßstäbe bewertet werden kann. Dies ist eine interessante Herausforderung in der Robotik und anderen Bereichen, in denen aus wenigen Demonstrationen gelernte Strategien verallgemeinert werden sollen.

1. S. Loeckel et. Al (2022) Ein adaptives menschliches Fahrermodell für realistische Rennwagensimulationen. (Eingereicht bei IEEE Transactions on Systems, Man and Cybernetics.)
2. S. Ju et. Al (2022) Digitaler Zwilling einer Fahrer-in-the-Loop-Rennwagensimulation mit kontextuellem Verstärkungslernen. (Eingereicht bei IEEE Robotics and Automation Letters.)

___

English:

Siwei Ju is a PhD student at Porsche AG and IAS, TU Darmstadt since October 2021. She is working on reinforcement learning (RL) and imitation learning (IL), with Porsche Motorsport, a top professional racing team. 

Driving race cars is challenging not only because of the fast changing and unstable dynamics, but also because driver and car have to be considered as one unit, which requires a driver model that can handle the dynamics and imitate the human driver.
Therefore, her work focuses on learning a robust, competitive and human-like driving policy, exploring different modern methods of RL and IL. In this process, it is crucial to explore how experts operate, learn and adapt in such complex tasks and optimise performance. The knowledge gained could be represented in data-based models using AI methods [1,2]. 
Furthermore, a key question for imitation learning is how to assess the quality of imitation through objective measures. This is an interesting challenge in robotics and other areas where strategies learned from a few demonstrations are to be generalised.

1. S. Loeckel et. Al (2022) An adaptive human driver model for realistic race car simulations. (Submitted to IEEE Transactions on Systems, Man and Cybernetics.)
2. S. Ju et. Al (2022) Digital twin of driver-in-the-loop race car simulation with contextual reinforcement learning. (Submitted to IEEE Robotics and Automation Letters.)

Fragestellungen im Themenfeld Künstliche Intelligenz

Sie arbeitet im Bereich des Verstärkungs- und Nachahmungslernens mit Porsche Motorsport, einem hochkarätigen Rennteam, um modernste Methoden auf einen realen Anwendungsfall anzuwenden: den Aufbau eines Fahrermodells, um die schnelle Entwicklung von Rennwagen zu erleichtern.

___

English:

She works in the area of reinforcement and imitation learning with Porsche Motorsport, a high-profile racing team, to apply cutting-edge methods to a real-world use case: building a driver model to facilitate rapid race car development.