4-Gewinnt Roboter

In diesem Masterprojekt im Studiengang EIM haben die Studenten Alexander Bernhardt, Christian Bernhardt, Raphael Carli und Manuel Reichelt einen Reinforcement Learning Agenten entwickelt, der in der Lage ist das Spiel “Vier gewinnt” zu spielen.

Aufbau des 4-Gewinnt Roboters

Implementiert wurden neben einem DQN-Agenten, auch ein Monte-Carlo Tree Search (MCTS) sowie Alpha-Zero. Alle Algorithmen wurde so parametriert, dass Sie in Echtzeit auf einem Raspberry Pi 4 lauffähig sind. Über ein Touchdisplay können verschiedene Spielstärken ausgewählt werden. In der stärksten Spielstufe ist ein Gewinn über die KI nahezu unmöglich.

HMI

Parallel zur Entwicklung der Software, wurde ein Open-Source Roboterarm mit einem 3D-Drucker hergestellt, ein Sensoriksystem auf einem realen Spielfeld aufgebaut und ein Spielstein-Magazin zur Entnahme der Spielsteine durch den Roboterarm entworfen.

Roboterarm in Aktion

Der Roboter wurde erfolgreich optimiert und hat Interesse von den lokalen Medien geweckt, die das Projekt im Herbst 2023 an der HTWG erleben konnten. Ein Regio-TV-Beitrag über das Projekt ist in der Mediathek verfügbar: https://www.regio-tv.de/mediathek/video/regio-tv-bodensee-journal-17-10-2023/

Ein weiterer Beitrag ist im Südkurier zu lesen: https://www.suedkurier.de/region/kreis-konstanz/konstanz/dieser-vier-gewinnt-roboter-verliert-nie-htwg-studierende-stellen-master-projekt-vor;art372448,11758007

Christopher Knievel
Christopher Knievel
Professor for Autonomous Systems

My research interests include situation assessment, maneuver planning, and machine learning applied for (mobile) autonomous systems.