Im Mai 2025 begann Seas the Day die große Pazifik-Expedition in Peru, Südamerika. Miriam Payne und Jess Rowe ruderten 15 Stunden am Tag in Richtung Westen und legten dabei 8.213 Seemeilen zurück. Am Samstag, dem 18. Oktober 2025, erreichten sie Cairns in Australien und wurden damit das erste weibliche Ruderteam, das den Pazifik von Festland zu Festland nonstop und ohne Unterstützung überquerte.

Das Duo stellte sich den Herausforderungen der hohen See und nutzte diese Gelegenheit, insbesondere junge Frauen zu stärken, mehrere Weltrekorde zu brechen und fast 120.000 Pfund für The Outward Bound Trust zu sammeln - eine britische Wohltätigkeitsorganisation, die Kindern durch Abenteuer dabei hilft, lebenslange Fähigkeiten zu entwickeln.

Die Geschichte ihrer „Great Escapade“ besteht aus zwei Teilen. Das Duo beleuchtet die Herausforderungen, vor denen sie standen, als ihr Ruder nur sieben Tage und 350 Meilen nach Beginn ihres ersten Versuchs brach, was sie zwang, an Land zurückzukehren und ihren Neustart zu planen. Bei ihrem zweiten Versuch zeigen sie die Entschlossenheit und Willenskraft, mit der sie sich trotz strömendem Regen und Wind, 30 Fuß hohen Wellen, Schlafentzug und dem Verlust eines Ruders im Meer ihre gute Laune bewahrten. Außerdem werden einige der eher technischen Probleme mit dem Antriebssystem und dem Ausfall der Not-Handpumpen-Wasseraufbereitungsanlage beleuchtet. Der Vortrag zeigt zudem, wie das Duo diese Probleme mit enormer Ausdauer und einer positiven Einstellung bewältigen konnten.

Die Geschichte von „Seas the Day” ist ein eindrucksvolles Beispiel für die Kraft einer positiven inneren Haltung und den unermüdlichen Willen, weiterzumachen. Das Duo möchte sein Publikum dazu inspirieren, sich den eigenen Herausforderungen zu stellen und die nahezu grenzenlosen Möglichkeiten zu entdecken, die jenseits der eigenen Komfortzone liegen.

Das Rennteam Uni Stuttgart e.V. gehört zu den erfolgreichsten studentischen Motorsport-Vereinen weltweit mit insgesamt elf Weltmeistertiteln. Nach einem kompakten Einblick in die Teamstruktur und Geschichte des Vereins liegt der Fokus auf der praxisnahen Entwicklung des elektrischen Formula-Student-Rennwagens. Im Rahmen des technischen Deep Dives stellt das Team die Systemarchitektur, die Fahrzeugauslegung sowie die interdisziplinäre Integration von Mechanik, Elektronik und Software vor. Der Schwerpunkt des Vortrags liegt auf dem selbstfahrenden autonomen System, das moderne Sensorik, präzise Lokalisierung sowie autonome Trajektorienplanung vereint. Der Vortrag präsentiert die erfolgreiche Zusammenarbeit von Studentinnen und Studenten sowie Industriepartnern im Rahmen der Entwicklung zukunftsweisender Technologien sowie deren Validierung unter realen Wettbewerbsbedingungen.

Da KI-Systeme immer besser werden, stoßen wir auf unerwartete Hürden: Die Technologie scheint bereit zu sein, aber oft sind die Menschen, die sie nutzen sollen, noch nicht so weit. In diesem Vortrag befasst sich Gregor Schmalzried mit den interessantesten aktuellen und zukünftigen Entwicklungen im Bereich der generativen KI, insbesondere bei agentenbasierten Systemen, und geht noch einen Schritt weiter: Welche Produkte und Dienstleistungen werden in einer Welt voller Technologien wertvoll sein? Und was können wir tun, um Ängste abzubauen, Menschen zu inspirieren und alle mit auf die Reise ihres Lebens zu nehmen?

Künstliche Intelligenz ist längst nicht mehr nur ein Thema für Entwicklerinnen und Entwickler. Dennoch wirken die inneren Abläufe oft wie komplexe Magie, die sich hinter hochdimensionaler Mathematik verbirgt. Wie können wir moderne KI verstehen, ohne uns im Fachjargon zu verlieren? Die Antwort liegt in uns selbst.

In diesem Vortrag schlagen Daniel Klingmann und Max Dietsch die Brücke zwischen biologischer und künstlicher Intelligenz, indem sie intuitive Analogien aus dem Alltag nutzen. Sie begeben sich auf eine Reise durch den „digitalen Geist" und untersuchen auf verständliche Weise, wie KI die menschliche Psychologie und die Lernprozesse eines Kindes widerspiegelt. Sie werden vorstellen, wie Maschinen gebaut werden, die denken, lernen und sich entwickeln - genau wie wir Menschen. Kein Doktortitel erforderlich - nur eine gesunde Portion Neugier.

Das Internet vergisst nie. Das haben wir alle schon mal gehört. Aber was bedeutet das eigentlich? In diesem Vortrag zeigen Dr. Dennis Schulz und Gregor Ziegltrum das Chaos, die größten Aha-Momente und die bizarrsten Details, die sie erlebt haben, als sie ihr europäisches Recht auf die eigene digitale Vergangenheit eingefordert haben.

Sie haben hunderte Unternehmen nach personenbezogenen Daten befragt: Online-Shops, soziale Netzwerke, Werbefirmen, Krankenkassen, Dating-Plattformen und viele mehr. Sie bekamen alles – von handgeschwärzten PDFs bis hin zu Gigabytes an CSV- und JSON-Daten – und versuchten, daraus das eigene Online- und Offline-Leben zu rekonstruieren. Um mit den Datenmengen umzugehen, ließen sie KI Ordnung ins Chaos bringen. Nur um plötzlich zu realisieren, dass sich daraus eine nahezu komplette Biografie ihres Lebens basteln ließ.

In diesem Vortrag packen Dennis und Gregor all die Datensätze aus, die sie erhalten haben: Kleine Online-Shops, mittelgroße Tech-Firmen und die Silicon-Valley-Giganten. Haben sie wirklich noch nie jemanden beim Online-Dating geghostet? Können sie nachvollziehen, wo sie vor zehn Jahren im Urlaub waren? Und wollen sie überhaupt wissen, was deren Suchverlauf über sie verrät? Als Live-Demo lassen sie während des Talks einen Agenten auf ihre eigenen Daten los - denn was kann da schon schiefgehen? Schauen wir einmal, wie viele peinliche Details Firmen jetzt schon über uns alle wissen!

Bei der Expansion der Glasfasernetze stehen die Betreiber vor enormen logistischen Herausforderungen. Allein das Grabennetz erstreckt sich über eine Länge, die nahezu dem Erdumfang entspricht. Die präzise Abrechnung dieser gewaltigen Baumaßnahmen erfordert innovative Lösungen. Derzeitige Verfahren zur Verifizierung von Streckenlängen basieren auf dem Einsatz von Personal vor Ort, das mit einem Messrad die gebauten Abschnitte zu Fuß ablaufen muss. Dieser Prozess ist nicht nur zeitaufwendig und personalintensiv, sondern bei diesen Dimensionen kaum skalierbar.

In dem Vortrag stellen Thorsten Nieser, Dr. Sebastian Stamminger und Dr. Tetyana Kyrey einen Ansatz vor, der KI-Bilderkennung zur automatisierten Analyse von Straßenbelägen bzw. Gehwegoberflächen nutzt. Als Datenbasis dienen georeferenzierte Kamerabilder und LiDAR-Scans. Ein von ihnen nachtrainiertes Deep-Learning-Modell wertet die Daten aus und identifiziert relevante Oberflächenstrukturen. Die präsentierte Lösung ermöglicht eine deutliche Qualitätssteigerung durch Vollprüfung statt Stichproben und beschleunigt gleichzeitig den Abrechnungsprozess erheblich. Zudem gewährleistet die maschinelle Auswertung eine höhere Objektivität und Nachvollziehbarkeit der Ergebnisse.

Der Fokus des Vortrags liegt auf der praktischen Implementierung und den „Überraschungen des echten Lebens“ - und auf der klaren Antwort, wo KI hilft und wo nicht.

Der Fortschritt bei LLMs hängt inzwischen stark von einem praktischen Aspekt ab: der Trainingsstabilität bei der Skalierung. Sparse Mixture-of-Experts (MoE)-Modelle sind besonders anfällig, da Routing Drift zu einer Überlastung der Experten, einem Einbruch der Auslastung und einem Stillstand des Lernprozesses führen können.

In diesem Vortrag stellt Lucas Atkins ein „Anti-Loss-Spike“-Playbook aus einem kürzlich durchgeführten Open-Weights-Durchlauf vor: ein MoE-Modell mit 400 Milliarden Parametern und 13 Milliarden aktiven Parametern pro Token, trainiert für 17 Billionen Token mit einer ungeglätteten Loss-Kurve und ohne einzige Loss-Spike. Lucas Atkins wird zunächst auf die beobachteten Fehlermuster eingehen – Routing-Drift, Überlastung, MaxVio-Divergenz und Plateaubildung. Anschließend erklärt er die Gegenmaßnahmen, die eine stetige Konvergenz wiederhergestellt haben: Bounded und Momentum-Expert-Bias-Updates (SMEBU), z-Loss zur Logit-Stabilisierung, ein Präzisions-Fallback von MXFP8 auf BF16, besser ausbalancierte Optimierungsziele sowie Daten-/Packing-Strategien zur Reduktion der Schritt-zu-Schritt-Varianz.

KI-Tools transformieren derzeit ganze Branchen durch ihr Potenzial zur Steigerung von Effizienz, Geschwindigkeit und Qualität bei (nicht nur) wissensintensiven Aufgaben. Die Einführung solcher Technologien im regulierten Bankensektor stellt jedoch Herausforderungen dar, da die einfache Nutzung öffentlicher Lösungen wie ChatGPT in vielen Anwendungsfälle verboten ist. In der Präsentation stellen Christopher Köhldorfer, Dr. Jannis Zeller und Johannes Esslinger auf Business-Ebene die Vision einer maßgeschneiderten, flexiblen und leistungsstarken KI-Lösung für den Arbeitsalltag der Mitarbeiterinnen und Mitarbeiter der Bank Frick vor. Auf technischer Ebene zeigen sie, wie ein modularer Aufbau nicht nur die Integration interner Unternehmenssysteme ermöglicht, sondern auch mit der rasanten Entwicklung der KI-Entwicklungslandschaft Schritt hält.

Large Language Models haben sich mit solcher Geschwindigkeit von einer Forschungsneuheit zu einer Produktionsrealität entwickelt, dass Sicherheitsteams kaum noch hinterherkommen. Unternehmen bemühen sich, LLMs in agentenbasierte Browser, KI-integrierte Entwicklungsumgebungen, Kundenservice-Chatbots und interne Wissenssysteme zu integrieren – oft ohne die damit verbundenen neuen Angriffsflächen vollständig zu verstehen.

Dieser Vortrag untersucht die Sicherheitsherausforderungen, die mit der Einführung von LLMs einhergehen: Prompt-Injection-Angriffe, die hilfreiche Assistenten zu unwissenden Komplizen machen, Risiken der Datenexfiltration, die sich in Konversationsschnittstellen verbergen, und die Gefahren, die damit einhergehen, dass KI-Agenten im Namen von Nutzerinnen und Nutzern reale Aktionen durchführen können. Ausgehend von akademischer Forschung, realen Implementierungen und dokumentierten Vorfällen wird in diesem Vortrag diskutiert, was gut funktioniert, was fehlschlägt und was Unternehmen verstehen müssen, wenn diese Systeme in kritische Arbeitsabläufe eingebettet werden.

Um Ingenieurs-Fragestellungen mit fortschrittlichen KI-Fähigkeiten anzugehen, können Multi-Agenten-Systeme eingesetzt werden, die spezialisierte Tools orchestrieren. Diese Tools beinhalten große Teile des zugrundeliegenden Ingenieurwissens. Aufgrund der allgemein komplexen Natur von Ingenieurs-Fragestellungen, erfordern die entsprechenden Multi-Agenten-Systeme häufig besondere Sorgfalt hinsichtlich ihrer Robustheit. In diesem Vortrag stellen Dr. Marc Eric Vogt, Heinrich Schmidt und Dr. Thomas Hugle dar, wie sie diese Robustheit durch den Einsatz eines zustandsbasierten Multi-Agenten-Systems und deterministischer Logik an entscheidenden Stellen erreichen. Während sie sich auf den Ingenieurbereich konzentrieren, sollten die gewonnenen Erkenntnisse für alle Multi-Agenten-Systeme gelten, die komplexe Probleme mit einer großen Anzahl zugrundeliegender Variablen behandeln.

Stetig zunehmende Rechenleistung, rasante Fortschritte im Deep Learning und die wachsende Menge medizinischer Daten verändern die medizinische Bildgebung grundlegend. In bildgestützten Interventionen erfordert die Nutzung dieser Entwicklungen jedoch eine sorgfältige Integration verschiedener Technologien und robuste Systemarchitekturen. ImFusion kombiniert klassische Bildverarbeitung, Echtzeit-Visual-Computing und moderne maschinelle Lernverfahren, um fortschrittliche Software für hochmoderne Medizinprodukte zu entwickeln.

In diesem Vortrag wird Dr. Wolfgang Wein Beispiele aus Projekten vorstellen, in denen mehrere Echtzeit-Bildströme – etwa Ultraschall, Video und Röntgen – gemeinsam verarbeitet werden. Er wird die architektonischen Prinzipien hinter dem Software-Stack erläutern und aufzeigen, wie ImFusion hybride Lösungen entwickelt hat, die Medizingeräte, browserbasierte Anwendungen und Cloud-Backends verbinden. Der Vortrag schließt mit Perspektiven zu aktuellen Trends und Herausforderungen bei der Einführung innovativer Software in das regulierte Umfeld von Medizinprodukten.

ScanCode ist der Open-Source-Industriestandard für das Scannen von Software nach Lizenzen und Copyrights – ein substanzielles reales System mit mehr als 60.000 Zeilen Python-Code. Die klassische Annahme wäre: So etwas neu zu schreiben braucht ein Ingenieursteam und ein siebenstelliges Budget. Dr. Maxim Stykow und Dr. Adrian Braemer wollten herausfinden, wie weit man mit 2.000 US-Dollar, drei Wochen und einem Schwarm von KI-Agenten wirklich kommt.

Das ist ihre War Story. Ihren ersten Versuch starteten sie im Februar 2025, als Coding Agents noch ganz neu waren. Das war vielversprechend, aber noch zu betreuungsintensiv, um praktisch zu sein, also legten sie das Projekt erst einmal auf Eis. Anfang 2026 änderte sich das Bild: bessere Modelle, bessere Harnesses und bessere Workflows machten es möglich, KI-Agenten bei lang laufenden Engineering-Aufgaben deutlich weiter zu treiben.

Maxim und Adrian erzählen die Details: den Mix aus externen Frontier-Modellen und Open-Weight-Modellen auf TNGs eigener Skainet-Infrastruktur. Den dramatischen Qualitätsunterschied zwischen Modellen – wobei stärkere Modelle in Minuten lösen, woran schwächere stundenlang scheitern. Den Moment, in dem ein Agent tausende Tests einführte und damit die Iterationsgeschwindigkeit komplett ausbremste, sodass sie ihm erst beibringen mussten, seinen eigenen Feedback-Loop zu optimieren, bevor es weitergehen konnte. Fortschritt, der durch versehentliche Git-Operationen verloren ging. Orchestrator-Agenten, die ihre eigenen Subagenten vergaßen und gegen sich selbst arbeiteten. Die Sucht nach „nur noch einem Prompt“. Und den überraschenden Wert von AGENTS.md, lebender Dokumentation und engen Feedback-Loops mit eigenen Lintern und Tests.

Egal ob Sie sich für große Software-Rewrites, autonomes Coden oder einfach mehr Produktivität als Entwickler oder Entwicklerin interessieren: Dieser Vortrag ist ein praxisnaher Bericht von der aktuellen Grenze des agentischen Engineerings – was funktioniert hat, was nicht und was als Nächstes kommt.

Seit über einem Jahrzehnt wird Sonic Pi in Klassenzimmern auf der ganzen Welt eingesetzt, um Programmierung durch Musik zu lehren. Schülerinnen und Schüler erforschen Sequenzen, Schleifen, Datenstrukturen und Algorithmen, indem sie Beats, Basslines und funkelnde Synthesizer klanglich gestalten. Gleichzeitig haben professionelle Musiker Sonic Pi auf Bühnen und in Konzertsäle getragen - und Programmieren selbst als Instrument musikalischen Ausdrucks genutzt.

Nun wird die Geschichte mit Tau5, einem neuen Live-Coding-System mit Fokus auf Zusammenarbeit, fortgeschrieben. In der Musik sind Synchronität, Verteilung und Fehlertoleranz nicht bloß Sicherheitsnetze - sie sind kompromisslose Anforderungen. Wenn man sie bewusst einsetzt, werden sie zu kraftvollen kreativen Werkzeugen menschlichen Ausdrucks und Verbindung.

In diesem Vortrag reflektiert Dr. Sam Aaron über ein Jahr der Entwicklung von Tau5 unter Einsatz agentischer KI - insbesondere Claude Code - als zentralem Partner bei Prototyping, Architektur und Implementierung. Während KI oft als Werkzeug betrachtet wird, um bereits „gelöste“ Systeme umzusetzen, deutet diese Erfahrung eine andere Möglichkeit an - eine, die viele unserer Annahmen darüber infrage stellt, wie Software entwickelt wird.

Das Publikum wird erkunden, wie KI tiefgreifende Systemprogrammierung unterstützen kann - und warum dies erfordert, unsere Ansätze zu Technik, Kreativität und Bildung neu zu denken. Letztlich geht es darum, zu lernen mit KI zusammenzuarbeiten - nicht zu fragen, was sie ersetzen kann, sondern wie sie mit uns gemeinsam improvisieren kann.

Generative KI-Inferenz ist schnell so unverzichtbar geworden wie die Browsersuche und hat sich in verschiedenen Marktsektoren und Zielgruppen durchgesetzt. Aber was können Sie tun, wenn Online-Dienste für die betreffenden Daten und Inhalte nicht praktikabel, erwünscht oder sicher sind? Können die neuen KI-PCs KI-Modelle offline betreiben und eine funktionale Alternative zu kostspieligen Online-Diensten sein?

Bob Duffy von Intel und Markus Schüttler von TNG beantworten diese Frage und stellen dabei den AI Playground vor - ein Open-Source-Projekt von Intel in Partnerschaft und Zusammenarbeit mit TNG. Dieses einfach zu installierende und zu bedienende Tool sieht aus und funktioniert wie Ihr bevorzugtes Online-KI-Tool, nutzt jedoch über 60 Open-Source-Modelle, um eine Vielzahl von KI-Funktionen wie Chat, Vision, Dokumentensuche, Tool Calling, Bilderstellung, Bildbearbeitung und Videoerstellung auszuführen - alles aus einer einzigen Eingabeaufforderung heraus, während Sie offline sind.

Quantencomputing entfaltet seine Relevanz dort, wo aus physikalischen Durchbrüchen konkrete technologische Perspektiven entstehen. Der Vortrag zeigt am Beispiel neutraler Atome, wie sich moderne Quantenhardware von einem vielversprechenden Forschungsfeld zu einer Plattform mit wachsender industrieller Relevanz entwickelt. Im Mittelpunkt stehen die technologischen Grundlagen dieses Ansatzes, Fortschritte bei Skalierbarkeit, Kontrolle und Fehlerkorrektur sowie die Frage, welche realen Arten von Problemen sich damit künftig adressieren lassen. Beleuchtet werden Potenziale in Simulation, Optimierung und Materialforschung ebenso wie die Voraussetzungen, um Quantencomputing sinnvoll in bestehende Innovations- und Technologielandschaften einzuordnen. So entsteht ein technischer und zugleich anwendungsnaher Blick darauf, wie Quantenhardware und Quantenalgorithmen schrittweise in industrielle Anwendungen überführt werden.

Quantencomputer versprechen erhebliche Geschwindigkeitssteigerungen für eine kleine, aber wichtige Art von Problemen. Dennoch schwankt die heutige Diskussion oft zwischen übertriebenen Erwartungen und unnötigen Ängsten. In diesem Vortrag stellt Prof. Dr. Patrick Glauner einen realistischen Fahrplan vor, was Quantencomputer in den nächsten zehn Jahren leisten können - und was nicht. Dabei hebt er praktische Einschränkungen wie Dekohärenz, Fehlerkorrekturaufwand, geringe Programmierabstraktion und verschiedene andere, oft übersehene Herausforderungen hervor. Das Publikum erhält ein klares Verständnis dafür, wo Quantencomputer einen echten Mehrwert schaffen, wo klassische Systeme weiterhin überlegen sind und wie sich Unternehmen vorbereiten können, ohne dem Hype zu verfallen.

Schachfiguren sind schwer und unsere Arme sind schwach. Glücklicherweise gibt es starke Roboter – und mit Simulationsumgebungen und Robot Foundation Models (RFMs) war es noch nie einfacher, ihnen beizubringen, wie man Schachfiguren bewegt. In diesem Vortrag zeigt unser Innovation Hacking-Team, wie Roboter in Simulationsumgebungen trainiert und in der realen Welt eingesetzt werden können.

Der Vortrag beginnt mit einer Einführung in RFMs, was sie so besonders macht und wie sie eingesetzt werden. Dann taucht das Team tief in NVIDIAs Gr00t ein, wie es aufgebaut ist, wie es trainiert wurde und wie es genutzt werden kann. Danach geht es um synthetische Datengenerierung: Unser Team zeigt, wie in NVIDIA Isaac Sim Roboter-Trainingsdaten generiert und wie die Daten mit generativer KI weiter verbessert werden können. Schließlich ist es an der Zeit, das simulierte Modell in die reale Welt zu übertragen: Unsere Speaker erläutern, wie die Lücke zwischen Simulation und Realität geschlossen werden kann, und zeigen, wie weit die Sprach- und Schlussfolgerungsfähigkeiten des trainierten Modells tatsächlich ausgereizt werden können.

Nebenbei werden die Inhalte mit Code-Beispielen und Live-Demos untermalt, die sowohl die beeindruckenden Fähigkeiten als auch die urkomischen Fehlschläge dieses Projekts zeigen. Spoiler-Alarm: Nicht jedes Spiel endet mit einem Schachmatt.

Wie kann man das Lernen von Robotern für alle zugänglich machen? In diesem Vortrag stellt Steven Palma LeRobot vor – eine Initiative von Hugging Face, die darauf abzielt, Künstliche Intelligenz in die physische Welt zu bringen, indem sie KI für Robotik durch Ende-zu-End-Lernen leichter zugänglich macht.

Dabei wird er das Publikum auf eine umfassende Tour durch die LeRobot-Plattform mitnehmen und die zentralen Säulen von Open-Source-Robotik vorstellen:

- Roboter & Simulation: Einsatz kostengünstiger realer Hardware wie dem SO‑101‑Arm in Kombination mit leistungsfähigen Simulationsumgebungen

- Steuerung & Teleoperation: Effiziente Datenerfassung durch vereinheitlichte Systeme zur Teleoperation und Steuerung von Robotern

- Datensätze: Einblick in das rasante Wachstum gemeinschaftlich erstellter Datensätze auf dem Hugging Face Hub – ein Anstieg auf nahezu 30.000 Datensätze, der als das mögliche „ChatGPT‑Moment der Robotik“ gilt.

- Modelle: Training mit sofort nutzbaren, modernsten Vision‑Language‑Action‑Modellen (VLA) in PyTorch, darunter Action Chunking with Transformers (ACT) und SmolVLA.

- Inferenz & Evaluierung: Testen und Bewerten von Steuerungsrichtlinien über verschiedene Szenarien und Zielsetzungen hinweg, etwa mit Umgebungen wie LIBERO.

Abschließend wird Palma die nahezu unbegrenzten Möglichkeiten hervorheben, die durch die globale Community entstehen – beispielsweise Multi‑Task‑Co‑Training für Zero‑Shot‑ und Few‑Shot‑Bewegungsübertragung. Zudem stellt er die jüngsten Weiterentwicklungen in der LeRobot‑Version 0.5.0 vor, die das Open-Source-Lernen von Robotern in jeder Hinsicht auf ein neues Niveau heben.

Ist Ihnen das auch schon einmal passiert: Sie haben gerade 50.000 € für einen humanoiden Roboter ausgegeben, aber er ist auf Partys nicht besonders unterhaltsam, also müssen Sie ihm mit Reinforcement Learning in einer Simulationsumgebung auf Ihrem 100.000 € teuren GPU-Cluster das Tanzen beibringen? Nein?

In diesem Vortrag zeigen Ihnen Thomas Endres und Jonas Mayer, wie Sie Ihren humanoiden Roboter mit Reinforcement Learning (RL) in Simulationsumgebungen zum Tanzen bringen können. Sie starten mit einer Einführung in RL, in der sie auf Grundlagen zu Policies und Belohnungen eingehen. Anschließend stellen sie Ihnen NVIDIA Isaac Sim und das Unitree RL Lab vor und begleiten Sie durch Ihre ersten Schritte in Simulationsumgebungen. Dabei gehen unsere Sprecher Schritt für Schritt vor, um eine Geh-Policy zu entwickeln, begleitet von einem lustigen Sturz nach dem anderen. Abschließend wird eine Tanz-Policy vorgestellt: Die Zuschauerinnen und Zuschauer lernen, wie menschliche Bewegungen aus Videos auf den Unitree-G1-Roboter übertragen werden können, um eine Imitations-Policy zu trainieren, die genauso schlecht tanzen kann wie sie selbst.

Während des Vortrags werden unsere Kollegen live auf der Bühne eine Geh-Policy trainieren. Damit beginnen sie bereits am Anfang des Vortrags und überprüfen den Fortschritt regelmäßig. Zum Abschluss wird der anwesende humanoide Roboter die Session mit einer Tanzeinlage ohne einen einzigen Fehltritt beenden.

Wünschen auch Sie sich einen Gegner, der Counterstrike genauso gut spielt wie Sie? Dank der jüngsten Entwicklungen im Bereich der Robot Foundation Models (RFMs) können Roboter lernen, Videospiele genauso zu spielen wie Sie, indem sie Ihr bestes und schlechtestes Verhalten imitieren.

In diesem Vortrag zeigen Thomas Endres und Jonas Mayer, wie Sie mithilfe von Imitationslernen einem RFM beibringen können, beliebige Spiele zu spielen. Sie beginnen mit einer Einführung in Robot Foundation Models. Dabei zeigen sie, wie RFM funktionieren, welche Art von Daten sie verarbeiten können und warum NVIDIA Gr00t dadurch perfekt für Videospiele geeignet ist. Anschließend geben sie einen kurzen Überblick über das Konzept des Imitationslernens, welche Daten sie für das Training von Gr00t benötigen und wie sie diese aus Spielen sammeln können. Abschließen berichten sie, wie sie das Modell von einem absoluten Neuling zur globalen Elite gebracht haben und teilen alles, was sie dabei gelernt haben.

Während des gesamten Vortrags werden immer wieder Live-Demos gezeigt. Zum Abschluss wird ein Mitglied des Publikums eingeladen, Gr00t live auf der Bühne in einem 1-gegen-1-Spiel zu schlagen.

Der Kognitionswissenschaftler Steven Pinker beschreibt seinen intellektuellen Werdegang, der ihn vom Studium sprachlicher und visueller Wahrnehmung über eine Synthese aus Evolution und Informatik zur Erklärung des menschlichen Geistes bis hin zu seinem Plädoyer für das Konzept der menschlichen Natur führte und schließlich darin gipfelte, dass er sich für die Realität und Zukunftsperspektive des menschlichen Fortschritts einsetzt.