
Andreas FolkersAtlas Elektronik
Andreas Folkers
Doctor of Engineering
About
16
Publications
1,731
Reads
How we measure 'reads'
A 'read' is counted each time someone views a publication summary (such as the title, abstract, and list of authors), clicks on a figure, or views or downloads the full-text. Learn more
128
Citations
Introduction
Skills and Expertise
Education
October 2016 - November 2018
October 2013 - June 2016
Publications
Publications (16)
Im Zentrum dieser Arbeit steht die Präsentation des generischen Hybrid A*-Algorithmus, welcher ein graphenbasiertes Suchverfahren zur Bewegungsplanung eines beweglichen Agenten darstellt. Mit den dabei vorgestellten Methoden wird der originäre Hybrid A*-Algorithmus weiterentwickelt, welcher ursprünglich als Pfadplaner für ein autonomes Fahrzeug ein...
The development of driving functions for autonomous vehicles in urban environments is still a challenging task. In comparison with driving on motorways, a wide variety of moving road users, such as pedestrians or cyclists, but also the strongly varying and sometimes very narrow road layout pose special challenges. The ability to make fast decisions...
Interpretation von Sprache, Schrift oder Bildern - die enormen Fortschritte der letzten Jahre in diesen Bereichen können auf Entwicklung der Techniken des Deep Learning zurückgeführt werden. Als Teilgebiet des maschinellen Lernens werden hier komplizierte Zusammenhänge durch eine ausreichend große Menge an Datenpunkten von einem Programm abgebildet...
Dieses Kapitel fasst die numerischen Ergebnisse der Steuerung eines autonomen Fahrzeugs durch einen Reinforcement Learning Agenten in Form eines Neuronalen Netzes zusammen. Dazu werden zunächst in Abschnitt 5.1 das in dieser Arbeit eingeführte Trainingsverfahren ausgewertet sowie Variationen in dessen Parametrisierung betrachtet. Anschließend wird...
Die Interaktion mit der umgebenden Welt kann als eine Grundlage des menschlichen Lernens betrachtet werden [93]. Kinder, welche die nötigen motorischen Abläufe zum Besteigen einer Treppe erlernen, haben dafür keinen direkten Lehrer. Stattdessen erarbeiten sie sich die entsprechenden Bewegungsabläufe durch Fehlschläge und Erfolge, durch das Studiere...
Aufbauend auf den theoretischen Resultaten der beiden vorigen Kapitel wird im Folgenden ein Vorgehen beschrieben, um Steuerkommandos für ein autonomes Fahrzeug zu berechnen. Dazu werden in den Abschnitten 4.1 und 4.2 zunächst die konkrete Aufgabenstellung erläutert sowie mögliche Lösungsansätze vorgestellt. Anschließend wird in Abschnitt 4.3 erklär...
Andreas Folkers stellt in diesem Buch einen Regelalgorithmus zur Steuerung eines autonomen Fahrzeugs vor. Um eine nichtlineare Bewegungsdynamik bei gleichzeitig kurzer Rechenzeit zu berücksichtigen, wird der Regler als Neuronales Netz definiert und dessen Parameter im Vorfeld gelernt. Dieser Trainingsschritt wird im Setting des Deep Reinforcement L...
Dieses Kapitel fasst zunächst die Motivation, das Vorgehen sowie die wesentlichen Ergebnisse des Konzeptes Deep Controller aus dieser Arbeit zusammen. In einem zweiten Abschnitt werden diese Erkenntnisse als Basis verwendet, um Ansätze zur Verbesserung des vorgestellten Verfahrens zu diskutieren.
The development of driving functions for autonomous vehicles in urban environments is still a challenging task. In comparison with driving on motorways, a wide variety of moving road users, such as pedestrians or cyclists, but also the strongly varying and sometimes very narrow road layout pose special challenges. The ability to make fast decisions...
We present a control approach for autonomous vehicles based on deep reinforcement learning. A neural network agent is trained to map its estimated state to acceleration and steering commands given the objective of reaching a specific target state while considering detected obstacles. Learning is performed using state-of-the-art proximal policy opti...
Algorithms for controlling fully autonomous systems must meet especially high requirements with respect to safety and robustness. A particularly challenging example are autonomous deep space missions, which we investigated in several projects. In this context, we showed that a safe and robust autonomous system can be realized through nonlinear mode...
We present a control approach for autonomous vehicles based on deep reinforcement learning. A neural network agent is trained to map its estimated state to acceleration and
steering commands given the objective of reaching a specific target state while considering detected obstacles. Learning is performed using state-of-the-art proximal policy opti...
Online optimization and trajectory planning are key aspects of autonomous deep space missions. Taking into account individual target criteria, such as time or energy optimality, any spacecraft maneuver can be traced back to a general problem definition of the form "move the spacecraft from its initial state to a desired final state, while consideri...
Autonomous driving is no longer a subject of science fiction. Instead it has become a field of highly topical developments and has already reached numerous milestones. The Audi Autonomous Driving Cup provides a stage for students to participate in this development process. This competition, carried out in Germany, Austria and Switzerland, provides...
Within this paper, a method for on-board trajectory calculation in the vicinity of a small celestial body is introduced. Therefor, high precision methods of nonlinear optimization and optimal control are used. Additionally, a parametric sensitivity analysis is implemented. This tool allows to approximate a perturbed optimal solution in case of mode...