Jannik Peters, M.Sc.
Wissenschaftlicher Mitarbeiter
Forschungsinteressen:
- Machine Learning und Deep Learning
- Deep Reinforcement Learning
- Emergent Communication
- Robotik
Biographie
Jannik Peters ist seit September 2020 wissenschaftlicher Mitarbeiter am Institute for Technologies and Management of Digital Transformation an der Bergischen Universität Wuppertal. In seiner Forschung beschäftigt sich Herr Peters mit dem Einsatz von maschinellen Lernverfahren in produktionstechnischen Anwendungsfällen. Sein Forschungsschwerpunkt liegt in der Entwicklung und Untersuchung von emergenten Kommunikationsmethoden für autonome Multi-Agenten Systeme. Konkret untersucht Herr Peters die autonome Entwicklung von Sprache zwischen Agenten innerhalb von autonomen kooperativen Problemszenarien.
Herr Peters studierte Maschinenbau an der RWTH Aachen und verbrachte während seiner Studienzeit zwei Forschungsaufenthalte am MIT Media Lab. In Aachen war er anschließend von Januar 2018 bis September 2019 als wissenschaftlicher Mitarbeiter am Cybernetics Lab IMA & IfU tätig, wo er verschiedene Forschungs- und Entwicklungsprojekte zum Einsatz von maschinellem Lernen im industriellen Kontext durchführte sowie Lehrveranstaltungen betreute. Zuletzt war Herr Peters bei einem amerikanischen Startup beschäftigt und entwickelte dort Hardware- und Softwarekomponenten für innovative 3D-Druck Technologien.
Publikationen
- 2025
- Puiseau, C., Wolz, F., Montag, M., Peters, J., Tercan, H., & Meisen, T. (2025). "Applying Decision Transformers to Enhance Neural Local Search on the Job Shop Scheduling Problem" , AI , 6 (3),
- Peters, J., Puiseau, C., Tercan, H., Gopikrishnan, A., Carvalho, G. A., Bitter, C., & Meisen, T. (2025). "Emergent language: a survey and taxonomy" , Autonomous Agents and Multi-Agent Systems , 39 (1), 18.
- 2024
- Waubert-de-Puiseau, C., Dörpelkus, C., Peters, J., Tercan, H., & Meisen, T. (2024). Beyond Training: Optimizing Reinforcement Learning Based Job Shop Scheduling Through Adaptive Action Sampling.
- Puiseau, C. W. d., Wolz, F., Montag, M., Peters, J., Tercan, H., & Meisen, T. (2024). Decision Transformer for Enhancing Neural Local Search on the Job Shop Scheduling Problem.
- 2023
- Waubert-de-Puiseau, C., Peters, J., Dörpelkus, C., Tercan, H., & Meisen, T. (2023). "schlably: A Python Framework for Deep Reinforcement Learning Based Scheduling Experiments" , arXiv arXiv:2301.04182 .
