M.Sc. Hannes Ritschel

Wiss. Mitarbeiter

E-Mail:	hannes.ritschel { at } informatik.uni-augsburg.de
Telefon:	+49 821 598 - 2315
Fax:	+49 821 598 - 2349
Raum:	2042
Hausanschrift:	Universitätsstr. 6a 86159 Augsburg

Forschungsinteressen

Im Mittelpunkt der Forschung steht Bestärkendes Lernen (Reinforcement Learning) im Kontext von Mensch-Technik- und Mensch-Roboter-Interaktion. Hierbei ist die Anpassung der Maschine an den menschlichen Nutzer auf Basis sozialer Signale von zentraler Bedeutung. In diesem Rahmen kommen insbesondere soziale, menschenähnliche Roboter zum Einsatz.

Stichworte: Bestärkendes Lernen (Reinforcement Learning), Soziale Roboter, Soziale Agenten, HCI/HRI, Soziale Anpassung, Persönlichkeit, Emotionen, Engagement, Dialogsysteme

Vorträge & Presse

Bestärkendes Lernen für soziale Roboter
Vortrag im Rahmen des "Königsbrunner Campus" über soziale Roboter, Mensch-Roboter-Interaktion und deren Anpassung mit Hilfe von Bestärkendem Lernen; Eintritt frei!
26. Oktober 2016, 19:00 Uhr, Informationspavillon 955, Alter Postweg 1, Königsbrunn » Rezension » augsburger-allgemeine.de » koenigsbrunn.de » myheimat.de » stadtzeitung.de

Soziale Roboter
Vortrag im Rahmen der "CineUni" über die Entwicklung sozialer Roboter, den aktuellen Stand der Technik, Anwendungsgebiete, Zukunftsvisionen und Forschung
28. April 2015, 19:30 Uhr, Cinemaxx Augsburg » presse-augbsurg.de » aitiraum.de » uni-augsburg.de » facebook.com

Publikationen

Adapting a Robot's Linguistic Style Based on Socially-Aware Reinforcement Learning (RO-MAN 2017)

Real-Time Robot Personality Adaptation based on Reinforcement Learning and Social Signals (HRI 2017, DOI)

Software

Um auch ohne echte Hardware Interaktionen und Anwendungen mit dem Reeti-Roboter zu designen, wurde "VirtualReeti", eine virtuelle Browser-Version auf Basis von HTML5, erstellt. In Kombination mit einer Java-basierten REST-Schnittstelle ist es möglich, über ein und dieselbe API sowohl echte, wie auch virtuelle Reeti-Roboter zu steuern. Mehr Informationen in der folgenden Präsentation.

Projekte

• ForGenderCare - Teilprojekt 1: Genderaspekte in der Robotik zur Altenpflege

Lehre

Im Rahmen der Vorlesung "Reinforcement Learning" werden Grundlagen, Algorithmen und Verfahren des Bestärkenden Lernens behandelt, die in der Übung vertieft, praktisch umgesetzt und in Simulationen erforscht werden. Die Vorlesung wird auf Deutsch gehalten und findet jedes Wintersemester statt.

Im Praktikum "Reinforcement Learning" werden ausgewählte Inhalte der Vorlesung auf den Kontext von HCI und HRI angewandt und Prototypen erstellt. Die Themen werden jedes Semester neu festgelegt. Das Praktikum wird auf Deutsch gehalten und findet jedes Sommersemester statt.

Weitere Informationen befinden sich auf den jeweiligen Veranstaltungsseiten:

• Wintersemester 2017/2018: Reinforcement Learning (Master)
• Sommersemester 2017: Praktikum Reinforcement Learning (Master)
• Wintersemester 2016/2017: Reinforcement Learning (Master)
• Wintersemester 2015/2016: Reinforcement Learning (Master)

Sonstige:

• Sommersemester 2015: Seminar Advanced Topics in Multimodal Dialogue and Interaction (Master)

Abschlussarbeiten

Abschlussarbeiten können auf Deutsch oder Englisch geschrieben werden. Mögliche Themen umfassen Bestärkendes Lernen, Soziale Roboter, Natürliche Sprachgenerierung, Musik.

Bisher betreute Arbeiten:

• Master: Optimierung von Bestärkendem Lernen in Dialogsystemen durch Wizard-of-Oz-Experimente am Beispiel einer Telefonbuchsuche
• Bachelor: Natürliches Blickverhalten für den Reeti-Roboter

In Arbeit:

• Master: Adaption eines sozialen Roboters auf Basis von Bestärkendem Lernen mit linearer Funktionsapproximation und sozialen Signalen