Forschungsinteressen

• Lernbasierte Regelung – Verknüpfung von Methoden des maschinellen Lernens mit der Regelungstechnik zur Entwicklung datengetriebener Regler für komplexe dynamische Systeme.
• Unsicherheitsquantifizierung und Robustheit – Entwicklung von Verfahren, die mit Unsicherheiten umgehen und eine sichere sowie zuverlässige Entscheidungsfindung ermöglichen, mit einem Schwerpunkt auf Bayesschen Ansätzen und Monte-Carlo-Methoden.
• Lernbasierte Regelung unbekannter Systeme mit latenten Zuständen – Entwurf von Algorithmen zur gemeinsamen Zustands- und Dynamikschätzung sowie zur optimalen Regelung bei unvollständigen Zustandsmessungen, unter Verwendung Bayesscher Zustandsraummodelle und (Particle) Markov-Chain-Monte-Carlo-Methoden zur Inferenz analytisch nicht lösbarer Verteilungen.
• Aktives Lernen dynamischer Systeme – Entwicklung von Strategien zur effizienten Exploration und Identifikation von Systemdynamiken bei begrenzter Datenverfügbarkeit, gesteuert durch Modellunsicherheiten.

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.