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, Musik

Vorträge & Presse

Adaptive soziale Roboter
Vortrag in der Veranstaltungsreihe "Campus on Tour" über soziale Roboter und die Rolle menschlicher sozialer Signale für autonomes Lernen; Eintritt frei!
Fr., 16. November 2018, 19:00 Uhr, Altes Rathaus, Bgm.-Kaifer-Str. 10, VHS-Raum (1. Stock), Neusäß

Demo | Assistive Technologien: Soziale Roboter und emotionale Talker
Vorführung eines selbstlernenden, sozialen Roboters in der Rolle eines Ernährungsberaters bei der "Langen Nacht der Wissenschaft"; Eintritt frei!
Sa., 5. Mai 2018, 18:30-23:00 Uhr, Rathaus Augsburg, Rathausplatz 1, Augsburg » augsburg.de » augsburger-allgemeine.de

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!
Mi., 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
Di., 28. April 2015, 19:30 Uhr, Cinemaxx Augsburg » presse-augbsurg.de » aitiraum.de » uni-augsburg.de » facebook.com

Publikationen

Socially-Aware Reinforcement Learning for Personalized Human-Robot Interaction (AAMAS 2018)

Real-Time Adaptation of a Robotic Joke Teller based on Human Social Signals (AAMAS 2018)

Personalisierung der Mensch-Roboter-Interaktion durch sozial-sensitives Lernen (2. VDI-Fachkonferenz Humanoide Roboter 2017)

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)

Google Scholar dblp

Projekte

• EVA: Mit Argumenten begeistern - Verbesserung der Überzeugungskraft von virtuellen Agenten
• ForGenderCare - Teilprojekt 1: Genderaspekte in der Robotik zur Altenpflege

Media

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.

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 2018/2019: Reinforcement Learning (Master)
• Sommersemester 2018: Praktikum Reinforcement Learning (Master)
• Wintersemester 2017/2018: Reinforcement Learning (Master)
• Sommersemester 2017: Praktikum Reinforcement Learning (Master)
• Wintersemester 2016/2017: Reinforcement Learning (Master)
• Wintersemester 2015/2016: Reinforcement Learning (Master)

Weitere Lehrveranstaltungen:

• Wintersemester 2017/2018: Multimedia Projekt (Bachelor)
• 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, Generierung natürlicher Sprache, Musik/Sound.

Bisher betreute Arbeiten:

• Visualisierung des internen Zustands eines autonomen Agenten mit Bestärkendem Lernen im Rahmen einer Handelssimulation (BA, David Makowski)
• Generating melodies using deep reinforcement learning based on rewards from music theory and human preferences (MA, Thomas Rothmeier)
• Melodiegenerierung auf Basis von Naive-Bayes-Klassifikation (BA, Silvan Mertes)
• Adaption eines sozialen Roboters auf Basis von Bestärkendem Lernen mit linearer Funktionsapproximation und sozialen Signalen (MA, Klaus Weber)
• Optimierung von Bestärkendem Lernen in Dialogsystemen durch Wizard-of-Oz-Experimente am Beispiel einer Telefonbuchsuche (MA, Michael Schmid)
• Natürliches Blickverhalten für den Reeti-Roboter (BA, Stefan Wagner)

In Arbeit:

• Titel ausstehend (MA, David Sedlbauer)
• Titel ausstehend (MA, Stefan Wagner)