Lennarts first contribution of topics

topics/_luttkus/PAF.md

@@ -0,0 +1,7 @@
+---
+lang: de
+title: Praktikum Autonomes Fahren Refactoring
+tags: ["pm"]
+date: 2024-09-10
+---
+Das Praktikum Autonomes Fahren findet in jedem Wintersemester statt. Wenn du bereits an dem Projekt gearbeitet hast, kannst du auch im Sommersemester weiter daran arbeiten. [PAF](https://github.com/una-auxme/paf23)

topics/_luttkus/SA_falsifizierungs_methoden.md

@@ -0,0 +1,12 @@
+---
+lang: de
+title: Seminararbeit zur Falsifizierung und virtuellen Validierung autonomer Fahrzeuge
+tags: ["sm"]
+date: 2024-09-10
+---
+
+Im Rahmen dieser Seminararbeit sollen Sie einen umfassenden Überblick über moderne Methoden zur Falsifizierung und virtuellen Validierung von autonomen Fahrzeugen erarbeiten. Der besondere Fokus liegt dabei auf der Anwendung von Deep Reinforcement Learning (DRL) in diesem Kontext.
+
+Beginnen Sie Ihre Arbeit mit einer Einführung in die Herausforderungen, die bei der Validierung autonomer Fahrzeuge auftreten. Geben Sie anschließend einen Überblick über gängige Methoden der Falsifizierung und virtuellen Validierung, bevor Sie die Grundlagen des Deep Reinforcement Learning im Zusammenhang mit autonomen Fahrzeugen erläutern. Ein zentraler Aspekt Ihrer Arbeit sollte die Anwendung von DRL zur Generierung kritischer Testszenarien sein. Analysieren Sie dabei die Vor- und Nachteile von DRL-basierten Validierungsmethoden und gehen Sie auf die Herausforderungen bei der Erstellung realistischer Simulationsumgebungen ein.
+
+Vergleichen Sie verschiedene DRL-Ansätze zur Aufdeckung von Schwachstellen in autonomen Fahrsystemen und diskutieren Sie die Übertragbarkeit von virtuellen Testergebnissen auf reale Fahrsituationen. Erörtern Sie, wie DRL zur Verbesserung der Robustheit und Sicherheit autonomer Fahrzeuge beitragen kann. Schließen Sie Ihre Arbeit mit einer Diskussion der Grenzen virtueller Validierungsmethoden und einem Ausblick auf zukünftige Forschungsrichtungen in diesem Bereich ab.

topics/_luttkus/SLURM_robot_sf.md

@@ -0,0 +1,10 @@
+---
+lang: de
+title: Integration von Robot-SF in SLURM-Umgebung
+tags: ["pm"]
+date: 2024-09-10
+---
+Im Rahmen dieses Projektmoduls soll die Trainingsumgebung [Robot-SF](https://github.com/ll7/robot_sf_ll7) für eine effiziente Nutzung auf unserem Servercluster optimiert werden. Robot-SF ist eine Simulationsumgebung, in der ein Roboter mittels Reinforcement Learning (RL) trainiert wird, sich sicher in einer 2D-Umgebung mit Fußgängern zu bewegen.
+Da RL-Methoden sehr ressourcenintensiv sind, ist es das Ziel dieses Projekts, das Training auf unseren Servern zu optimieren. Dazu soll die gesamte Trainingsumgebung für die Ausführung als SLURM-Job angepasst werden. Dies ermöglicht eine effiziente Nutzung der verfügbaren Rechenressourcen und eine bessere Skalierbarkeit des Trainings.
+Zusätzlich soll das Tool Weights & Biases integriert werden, um eine umfassende Überwachung und Analyse des Trainingsprozesses zu ermöglichen. Dies wird die Optimierung und Fehlerbehebung des Trainingsablaufs erleichtern.
+Durch die Umsetzung dieses Projekts wird Robot-SF für einen breiteren Einsatz auf unserem Servercluster vorbereitet, was zukünftige Forschungs- und Entwicklungsarbeiten in diesem Bereich erheblich unterstützen wird.