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
- Marco Pleines, Matthias Pallasch, Frank Zimmer, Mike Preuss. Memory Gym: Partially Observable Challenges to Memory-Based Agents. ICLR 2023.
2022
- Marco Pleines, Konstantin Ramthun, Yannik Wegener, Hendrik Meyer, Matthias Pallasch, Sebastian Prior, Jannik Drögemüller, Leon Büttinghaus, Thilo Röthemeyer, Alexander Kaschwig, Oliver Chmurzynski, Frederik Rohkrämer, Roman Kalkreuth, Frank Zimmer, Mike Preuss. On the Verge of Solving Rocket League using Deep Reinforcement Learning and Sim-to-sim Transfer. Accepted at CoG 2022, IEEE
- Jonas Schumacher, Marco Pleines. Improving Bidding and Playing Strategies in the Trick-Taking game Wizard using Deep Q-Networks. Accepted at CoG 2022, IEEE.
2020
-
Marco Pleines, Jenia Jitsev, Mike Preuss, Frank Zimmer. Obstacle Tower Without Human Demonstrations: How Far a Deep Feed-Forward Network Goes with Reinforcement Learning. In CoG 2020 Proceedings, IEEE. Best Paper Candidate.
2019
-
Marco Pleines, Frank Zimmer, Vincent-Pierre Berges. Action Spaces in Deep Reinforcement Learning to Mimic Human Input Devices. In CoG 2019 Proceedings, IEEE.
Preprints
2022
- Marco Pleines, Matthias Pallasch, Frank Zimmer, Mike Preuss. Generalization, Mayhems and Limits in Recurrent Proximal Policy Optimization. Preprint.
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
-
Marco Pleines, Mike Preuss, Jenia Jitsev, Frank Zimmer, Jonathan Indetzki. Rising to the Obstacle Tower Challenge. In CoG 2019 Short Video Competition, IEEE