Cebulla IAR-IPR

M. Sc. Alexander Cebulla

Zur Person

Forschungsinteresse: Reinforcement Learning in Robotics

 

Studium

 

09/2014 – 09/2017

Master of Science in Robotics, Systems and Control an der Eidgenössische Technische Hochschule Zürich

Masterarbeit: “Classification of Tremor in the Laboratory and in the Wild“ am Human Sensing Laboratory der Carnegie Mellon University

Supervisors: Prof. Dr. Jessica K. Hodgins, Prof. Dr. Andreas Krause (ETH Zürich)

 

09/2015 – 12/2015

Austauschsemester an der Hong Kong University of Science and Technology

 

09/2010 – 09/2014

Bachelor of Science in Informatik

Bachelorarbeit: “Preparing a Quadrotor for Following a Human Being Indoors While Avoiding Obstacles“
am Advanced Interactive Technologies Lab der Eidgenössische Technische Hochschule Zürich

Supervisor: Prof. Dr. Otmar Hilliges

 

Berufserfahrung

 

11/2018 – 04/2019

Praktikum bei X Development LLC (ehemals Google X),
Mountain View, Kalifornien, USA

Mitglied des Robotikteams. Beschäftigung damit, wie Roboter eines Tages nützlich in unserer unstrukturierten Welt werden können.

 

02/2016 – 08/2016

Praktikum bei der Robert Bosch GmbH,
Zentralbereich Forschung und Vorausentwicklung in Renningen
Absichtserkennung von Fußgängern an Zebrastreifen mit neuronalen Netzwerken:

  • Segmentierung von Fußgängern in Stereo Vision Bildern mit Hilfe vorsegmentierter LiDAR Punktwolken.
  • Implementierung einer Machine Learning Pipeline mit den beiden Python Bibliotheken Lasagne und Theano zur automatischen Evaluierung verschiedener neuronaler Netzwerkarchitekturen.

Publikationen


Agiles Produktionssystem mittels lernender Roboter bei ungewissen Produktzuständen am Beispiel der Anlasser-Demontage = Concept of an agile production system based on learning robots applied to disassembly
Lanza, G.; Asfour, T.; Beyerer, J.; Deml, B.; Fleischer, J.; Heizmann, M.; Furmans, K.; Hofmann, C.; Cebulla, A.; Dreher, C.; Kaiser, J.-P.; Klein, J.-F.; Leven, F.; Mangold, S.; Mitschke, N.; Stricker, N.; Pfrommer, J.; Wu, C.; Wurster, M.; Zaremski, M.
2022. at - Automatisierungstechnik, 70 (6), 504–516. doi:10.1515/auto-2021-0158