Biographie

Intelligente Roboter übernehmen zunehmend mehr unangenehme, körperliche oder gefährliche Arbeiten für den Menschen. Allerdings mangelt es den aktuellen Lernalgorithmen derzeit an Effizienz, was das Erlernen komplexer Aufgaben für Roboter oft noch schwierig bis unmöglich macht.

Mein Name ist Daniel Palenicek und ich promoviere an der TU Darmstadt zusammen mit hessian.AI über intelligente Roboter. In meiner Forschung zum Thema "Model-based Reinforcement Learning" beschäftige ich mich damit, wie Roboter mit Hilfe von gelernten Dynamikmodellen schneller und effizienter lernen können. Dabei fokussiere ich mich unter anderem darauf, welchen Einfluss auftretende Modellierungsfehler auf den Lernprozess haben und wie der Roboter trotz dieser – meist unvermeidbaren – Fehler erfolgreich lernen kann. Diese Robustheit ist für Industrie 5.0 und Robotik-Anwendungen außerhalb des akademischen Umfelds essenziell.

Vor meiner Promotion habe ich an der TU Darmstadt den B.Sc. und M.Sc. in Wirtschaftsinformatik absolviert und zusätzlich zwei jeweils sechsmonatige Forschungspraktika im Bosch Center for Artificial Intelligence und bei Huawei R&D London absolviert.

Ich möchte KI-Newcomer werden, da ich mich in meiner interdisziplinären Forschung mit einer der wichtigsten Grundvoraussetzungen beschäftige, um lernende Roboter raus aus dem Labor in die echte Welt zu bringen.

___

English:

Intelligent robots are increasingly taking over more unpleasant, physical or dangerous work for humans. However, current learning algorithms currently lack efficiency, which often still makes it difficult or impossible for robots to learn complex tasks.

My name is Daniel Palenicek and I am doing a PhD on intelligent robots at TU Darmstadt together with hessian.AI. In my research on the topic of "Model-based Reinforcement Learning", I am working on how robots can learn faster and more efficiently with the help of learned dynamics models. Among other things, I focus on the influence of occurring modelling errors on the learning process and how the robot can learn successfully despite these - mostly unavoidable - errors. This robustness is essential for Industry 5.0 and robotics applications outside the academic environment.

Prior to my PhD, I completed a B.Sc. and M.Sc. in Business Informatics at TU Darmstadt and also two six-month research internships each at the Bosch Center for Artificial Intelligence and Huawei R&D London.

I want to become an AI newcomer because my interdisciplinary research deals with one of the most important basic requirements for bringing learning robots out of the lab and into the real world.

Fragestellungen im Themenfeld Künstliche Intelligenz

Intelligente Roboter werden uns in Zukunft gefährliche Arbeiten abnehmen. Aktuellen Algorithmen fehlt es jedoch an Effizienz. Daniel Palenicek erforscht, wie Roboter mit Hilfe gelernter Dynamikmodelle effizienter lernen können.

___

English:

Intelligent robots will relieve us of dangerous work in the future. However, current algorithms lack efficiency. Daniel Palenicek explores how robots can learn more efficiently with the help of learned dynamics models.