Klasse: 5AHET
Projektteam: Stefan Handl, Sebastian Putz, Manuel Roider, Armin Tabakovic
Projektbetreuer: Dipl. Ing. (FH) Johannes Ferner, Dipl. Ing. Franz Reich, Simon Dantendorfer BSc., Dipl. Ing. Peter Lindmoser

Ziel war es, die folgende Forschungsfrage zu beantworten: Erzielt Künstliche Intelligenz ähnlich gute Ergebnisse wie die klassische Regelungstechnik beim Stabilisieren eines inversen Pendels? Die Künstliche Intelligenz arbeitet mit einem Reinforcement Learning-Algorithmus. Die Verwendung von Reinforcement Learning in der Robotik, Steuerungs- und Regelungstechnik ist ein vielversprechendes Forschungsgebiet, das autonomes Erlernen von Steuerungen bzw. Regelungen ohne Vorwissen über das zu steuernde System ermöglicht. Nach dem mechanischen Aufbau des Pendels und der Fertigstellung der Elektronik wurden die Regelungstechniksoftware und der Reinforcement Learning-Algorithmus implementiert. Abschließend erfolgte ein Vergleich der beiden Ansätze.