Automatisierung in der Binnenschifffahrt / Ertüchtigung eines Schiffsführungssimulators

Entwicklung einer echtzeitfähigen, fahrdynamischen Simulationssoftware (virtuelles Testfeld) mit der ein Schiff unter Beachtung des Verkehrsaufkommens sicher und effizient durch einen Flussabschnitt gesteuert werden kann. DIE Algorithmen des Reinforcement Learnings sind dabei aktuell Deep-Q-Network (DQN), Deep Deterministic Policy Gradient (DDPG), Twin Delayed DDPG (TD3) und Soft-Actor-Critic (SAC). Als Programmierframework wurde zunächst Apache MXnet (bis September `23) und Pytorch verwendet.