Foto von Robert Lefringhausen

M.Sc. Robert Lefringhausen

Kurze Biografie

Seit 03/2022 Wissenschaftlicher Mitarbeiter
Lehrstuhl für Informationstechnische Regelung
Technische Universität München
04/2019 – 01/2022

Master of Science, Elektro- und Informationstechnik
Technische Universität München
Fokus: Regelungstechnik, maschinelles Lernen & Robotik

09/2019 – 01/2020 Auslandssemester
Linköping University, Schweden
10/2015 – 02/2019 Bachelor of Science, Elektro- und Informationstechnik
Karlsruher Institut für Technologie

Forschungsinteressen

  • Lernbasierte Modellierung nichtlinearer Systeme
  • Lernbasierte Regelungen
  • Gemeinsame Dynamik- und Zustandsschätzung

Forschungsprojekt

Derzeit bin ich am ONE MUNICH Strategy Forum Project - Next generation Human-Centered Robotics beteiligt.

Studentische Arbeiten

Ich bin stets auf der Suche nach motivierten Studierenden, die an meiner Forschung interessiert sind. Schreiben Sie mir gerne eine E-Mail, wenn Sie an einer studentischen Arbeit (z.B. Bachelor- oder Masterarbeit) unter meiner Betreuung interessiert sind, auch wenn gerade keine Arbeiten ausgeschrieben sind.

Bitte geben Sie hierbei den gewünschten Starttermin an und fügen Sie Ihren Lebenslauf und einen aktuellen Leistungsnachweis an, damit ich ein Thema passend zu Ihrem Hintergrund auswählen kann.

Aktuell ausgeschriebene Arbeiten
  • Fusion of Model Predictive Control and Reinforcement Learning for the Safe Exploration of Unknown Systems with Latent States [PDF]
Laufende Arbeiten
  • Lukas Hochschwarzer: Kernel Embedding for Particle Gibbs-Based Optimal Control (Masterarbeit)
  • Sarah Weber: Particle Markov Chain Monte Carlo-Based Optimal Control for Vertical Farming (Bachelorarbeit)
Vergangene Arbeiten
  • Radu-Andrei Bourceanu: Neural Network Policies for the Approximate Model Predictive Control of Unknown Systems with Latent States (Bachelorarbeit)
  • Aymen Nasri: Kernel Embedding for Particle Gibbs-Based Optimal Control (Forschungspraxis)
  • Sami Noel: Stability Certificates for Unknown Systems with Latent States (Forschungspraxis)
  • Joshua Schenk: Fusion of Model Predictive Control and Reinforcement Learning for the Safe Exploration of Unknown Systems with Latent States (Forschungspraxis)
  • Supitsana Srithasan: Utilizing Particle Gibbs Samples for Scenario-Based Model Predictive Control (Bachelorarbeit)
  • Keyu Xuan: Particle Gibbs Sampling Based on Multiple Trajectories (Ingenieurpraxis)
  • Yi Yue: Towards Online Learning and Control of Unknown Systems with Latent States (Bachelorarbeit)
  • Kevin Zierenberg: Parallel Implementation of a Particle Gibbs Based Control Algorithm on a Graphics Processing Unit (Bachelorarbeit)
  • Zhiqian Zhou: Active Learning of Unknown Dynamics with Latent States under Constraints (Bachelorarbeit)
  • Zhiqian Zhou: Hyperparameter Tuning for Gaussian Process State-Space Models with Latent States (Ingenieurpraxis)

Ausgewählte Veröffentlichungen

  • Lefringhausen, Robert; Srithasan, Supitsana; Lederer, Armin; Hirche, Sandra: Learning-Based Optimal Control with Performance Guarantees for Unknown Systems with Latent States. 2024 European Control Conference (ECC), 2024, 90-97 mehr… BibTeX Volltext ( DOI ) Volltext (mediaTUM)