Reinforcement Learning

Unsere Motivation

Verstopfte Straßen, Lärm, Abgase… Dies ist ein bekanntes Problem vieler Innenstädte. Innerstädtischer Verkehr wird hauptsächlich durch Lichtsignalanlagen bzw. Ampeln gesteuert. Die Steuerungsverfahren für diese Ampeln basieren auf verkehrsingenieurstechnische Regeln. Da Verkehr jedoch dynamisch und stochastisch ist, können diese manuell kodierten Regeln den Verkehr nicht in allen Situationen optimal steuern. 

Kann künstliche Intelligenz hier Abhilfe schaffen? 
Genau das untersuchen wir mit weiteren Partnern in dem Forschungsprojekt 

„Künstliche Intelligenz für Lichtsignalanlagen“ (KI4LSA).

Unsere Idee

Dabei setzen wir als Technologie das so genannte Reinforcement Learning (Bestärkendes Lernen) ein. Dies ist ein Teilbereich des Maschinellen Lernens, bei dem ein Softwareagent (z.B. eine Ampelsteuerung) mit seiner Umgebung (z.B. Verkehr an der Kreuzung) interagiert und dabei selbstlernend ein Optimierungsziel (z.B. Reduzierung von Wartezeiten) erreicht. In den letzten Jahren wurden auf diesem Gebiet beachtliche Durchbrüche erzielt.

So konnte beispielsweise mithilfe von Reinforcement Learning zum ersten Mal überhaupt ein Computer den Weltmeister in dem äußerst komplexen Brettspiel GO schlagen. 

Aufgrund solcher Erfolge findet Reinforcement Learning auch immer mehr den Weg in die Industrie. Der VDMA hat schon 2019 einen Leitfadenzur Einführungsstrategie von Reinforcement Learning in die industrielle Praxis herausgegeben.

Ihr Vorteil

Die Anwendungsmöglichkeiten sind vielfältig: Fabrik-Automation, Produktionsplanung, Robotik und Smart Grid um nur einige zu nennen. Falls Sie Reinforcement-Learning-Projekten umsetzen möchte, steht Ihnen das Fraunhofer IOSB-INA als kompetenter Partner gerne zur Verfügung.

Partner

• Stührenberg GmbH, Detmold
• Cichon Automatisierungstechnik GmbH, Pfinztal
• Stadtwerke Lemgo GmbH, Lemgo
• Fraunhofer IOSB-INA, Lemgo