Zum Inhalt
Fakultät für Informatik
Arbeitsgruppe Computational Intelligence

Dr. Marco Pleines

Curriculum Vitae

01/2019 - 12/2023 Technische Universität Dortmund, Informatik Promotionsstudium, Dortmund

09/2016 - 12/2018 Hochschule Rhein-Waal, M.Sc. Information Engineering and Computer Science, Kamp-Lintfort

09/2012 - 08/2016 Hochschule Rhein-Waal, B.Sc. Medien- und Kommunikationsinformatik, Kamp-Lintfort

08/2008 - 05/2009 Jan-Joest-Gymnasium der Stadt Kalkar, Allgemeine Hochschulreife, Kalkar

08/2008 - 05/2009 Northview High School, Foreign Exchange Student, Grand Rapids, Michigan, USA

03/2024 - heute PostDoc, Fakultät für Informatik, TU Dortmund

01/2019 - 09/2023 Doktorand, Fakultät für Informatik, TU Dortmund

01/2017 - 12/2018 Wissenschaftlicher Mitarbeiter, Hochschule Rhein-Waal, Kamp-Lintfort

08/2014 - 09/2014 Praktikant, BInteractive, Porto

02/2013 - 12/2016 Studentische Hilfskraft, Hochschule Rhein-Waal, Kamp-Lintfort

  • Sommersemester 2024

    • Praktische Optimierung (Übung)

  • Sommersemester 2023

    • Fachprojekt: Digital Entertainment Technologies

  • Sommersemester 2022 und Wintersemester 2022/23

    • Projektgruppe 649: Entwicklung eines 3D RPG Videospiels mittels prozeduraler Inhaltsgenerieung und Deep Reinforcement Learning

  • Wintersemester 2021/2022

    • Advanced AI Applications (Hochschule Rhein-Waal)

      • Rainbow DQN, Proximal Policy Optimization

    • Ausgewählte Kapitel der Computational Intelligence (zeitweise Vertretung)

      • Rainbow DQN, Proximal Policy Optimization

    • Projektgruppe 642: Verteiltes Deep Reinforcement Learning System zum Trainieren von Game AI

      • Sim-to-sim Transfer angewandt auf Rocket League

  • Sommersemester 2021

    • Projektgruppe 642: Verteiltes Deep Reinforcement Learning System zum Trainieren von Game AI

      • Sim-to-sim Transfer angewandt auf Rocket League

2023

  • M.Sc. Matthia Pallasch. Reincarnation Reinforcement Learning via Inverse Reinforcement Learning.
    Betreuer: Rudolph, Pleines.
  • M.Sc. Konstantin Ramthun. Trajectory Tracking for Autonomous Driving using Memory-Based Deep Reinforcement Learning.
    Betreuer: Rudolph, Pleines.
  • M.Sc. Frederik Rohkrähmer. Multi-Target Regression zur Approximation der Spielphysik von Rocket League.
    Betreuer: Rudolph, Pleines.

2022

  • M.Sc. Marcel Schyma. Kontextunabhängige prozedurale Szenen- und Inhaltsgenerierung.
    Betreuer: Rudolph, Pleines.

  • B.Sc. Leon Swazinna. Evaluation of the MA-POCA Algorithm in a Competitive Reinforcement Learning Environment.
    Betreuer: Rudolph, Pleines.

2021

  • M.Sc. Jonas Schumacher. Deep Reinforcement Learning für Stichspiele mit imperfekter Information / Deep Reinforcement Learning for Trick-Taking Games with Imperfect Information.
    Betreuer: Rudolph, Pleines.

  • B.Sc. Alisa Gromova. Training Multiple Agents in a Soccer Environment using Deep Reinforcement Learning and Self-Play.
    Betreuer: Rudolph, Pleines.

  • B.Sc. Markus Grigull. Sim-to-Real Transfer eines Reinforcement Learning Ansatzes zur mechanischen Steuerung eines Gamepads.
    Betreuer: Rudolph, Pleines.

2020

  • B.Sc. Matthias Pallasch. Curiosity-driven Exploration mit Reinforcement Learning in einer CoinRun Umwelt.
    Betreuer: Rudolph, Pleines.

  • B.Sc. Vanessa Speeth. Entwicklung eines Agenten für das Spiel Azul basierend auf dem Advanced-Actor-Critc Ansatz.
    Betreuer: Rudolph, Pleines.

  • B.Sc. Wentao Li. Applying Curriculum and Reinforcement Learning to a Marble Labyrinth Environment.
    Betreuer: Rudolph, Pleines.

2019

  • B.Sc. Till Musshoff. Vergleich der Lersperformanz von Proximal Policy Optimization und Behavioral Cloning.
    Betreuer: Rudolph, Pleines.

  • B.Sc. Marius Brinkmann. Evaluation der Reinforcement Learning-Algorithmen DQN und PPO in einer Ballwurf-Umwelt.
    Betreuer: Rudolph, Pleines.

Weitere Informationen

Sprechstunde: Nach Vereinbarung

Publikationen

Konferenzartikel (peer reviewed)

2023

2022

2020

2019

Preprints

2022

Buchbeiträge

2020

  • Marco Pleines, Frank Zimmer, Jonathan Indetzki, Fabian Fritzsche, Timo Kahl. Reinforcement Learning auf dem Weg in die Industrie. In Digitale Produktion - Nutzenversprechen, Lösungsansätze, Soziale Fragen. Torsten Niechoj (Ed.) & Alexander Klein (Ed.). Metropolis-Verlag.

  • Marco Pleines. Generative Adversarial Networks. In Interaktive Datenvisualisierung in Wissenschaft und Unternehmenspraxis. Frank Zimmer (Ed.) & Timo Kahl (Ed.). Springer-Verlag.

Wettbewerbe

2019