QuMAL-KI
Quantenbeschleunigtes Multi-Agenten Lernen für langzeitautonome robotische Anwendungen
Im Forschungsvorhaben QuMAL-KI – Quantenbeschleunigtes Multi-Agenten Lernen für langzeitautonome Roboter – sollen zur Beschleunigung von Verfahren des Deep Reinforcement Learning für mehrere Agenten existierende Quantenalgorithmen evaluiert, sowie neue Quantenalgorithmen entwickelt werden. Diese sollen anschließend mit klassischen Verfahren des Deep Reinforcement Learning in ein hybrides Framework für Quanten/Klassisches Multi-Agenten Deep Reinforcement Learning integriert werden. Die Algorithmenentwicklung und –integration ist hier ausdrücklich explorativ und im Bereich der Grundlagenforschung zu verorten (TRL-1). Um die Praktikabilität, aber auch die Grenzen der entwickelten Verfahren zu evaluieren und zu demonstrieren, ist eine Erprobung in einem einfachen, aber realitätsnahen Szenario mit mindestens zwei Robotern im Vorhaben vorgesehen (TRL-2 – TRL-3).
Laufzeit: | 01.12.2022 bis 30.11.2026 |
Zuwendungsempfänger: | Deutsches Forschungszentrum für Künstliche Intelligenz GmbH & Universität Bremen |
Fördergeber: | Bundesministerium für Wirtschaft und Klimaschutz |
Förderkennzeichen: | 50RA2208A |
Anwendungsfelder: | Quantum Computing |
Verwandte Projekte: |
QuDA-KI
Qubit-basierte Datenrepräsentationen für klassisches Maschinelles Lernen und Simulationen
(10.2022-
09.2025)
QuBER-KI
Quantum Deep Reinforcement Learning für einfache robotische Verhalten
(11.2022-
10.2025)
QINROS
Quantencomputing und quantenmaschinelles Lernen für intelligente und robotische Systeme
(09.2020-
02.2022)
Q3-UP!
Bedarfsorientierte und niederschwellige Qualifikationsbausteine für Quantencomputing und quantenmaschinelles Lernen
(03.2022-
02.2025)
|