hessian.AI-Forscher Daniel Palenicek wird Finalist des NVIDIA Graduate Fellowship Program
hessian.AI-Forscher Daniel Palenicek vom Fachgebiet Intelligente Autonome Systeme (IAS) der TU Darmstadt wurde als Finalist des renommierten NVIDIA Graduate Fellowship Program ausgezeichnet. Damit zählt er zu den weltweit fünf Finalisten, die NVIDIA für ihre herausragende Forschung im Bereich computergestützte Innovationen
„Für mich ist das eine große Ehre“, sagt Palenicek. Ich bin sehr stolz darauf, zusammen mit anderen herausragenden Studierenden aus der ganzen Welt aufgenommen worden zu sein.
Forschung an effizientem Lernen für Roboter
Palenicek forscht im Bereich Robot Learning, einem Teilgebiet der KI, das es Robotern ermöglicht, Aufgaben durch Interaktion mit ihrer Umgebung zu erlernen – ähnlich wie Menschen durch „Versuch und Irrtum“ lernen. Ziel seiner Arbeit ist es, Reinforcement-Learning-Algorithmen effizienter zu machen, sowohl hinsichtlich Rechenleistung als auch der benötigten Interaktionen mit der Umwelt. Gerade bei echten Robotern sind diese Interaktionen kosten- und zeitintensiv, weshalb effizientes Lernen essenziell ist.
Together with colleagues at IAS, Palenicek recently developed an algorithm that stabilizes and accelerates the training process of AI systems. The approach addresses the so-called “loss of plasticity,” a common issue where systems become resistant to new learning after extensive training. By combining two normalization techniques, the team was able to maintain learning ability and significantly improve data efficiency.
Diese Arbeit wurde Anfang Dezember auf der NeurIPS 2025 in San Diego vorgestellt. Die Forschung ist eingebettet in den Exzellenzcluster „Reasonable Artificial Intelligence (RAI)”, der von der TU Darmstadt und hessian.AI koordiniert wird. RAI widmet sich der Entwicklung einer neuen Generation von KI-Systemen, die ressourceneffizient, sicher und kontinuierlich lernfähig sind.
Read more.
Brücke zwischen Forschung und Anwendung
Im Rahmen seiner Bewerbung bei NVIDIA reichte Palenicek ein Forschungskonzept ein, das Ansätze für die automatische und kontinuierliche Verbesserung sogenannter „Robot Foundation Models“ beschreibt. Solche Modelle werden auf großen Expertendatensätzen trainiert, kranken aber oft an mangelnder Generalisierungsfähigkeit. Palenicek will Wege finden, diese Modelle mithilfe von Reinforcement Learning effizient und sicher an neue Aufgaben und Roboter anzupassen.
Palenicek ist sehr erfreut darüber, dass seine Forschungsarbeit von NVIDIA gewürdigt wurde: „Ich freue mich sehr auf das Praktikum. Die Einladung nach Seattle ist eine tolle Gelegenheit, meine Forschung in einem industriellen Umfeld fortzusetzen und aktuelle Entwicklungen im Bereich Robot Learning hautnah mitzuerleben.“
For more information about the fellowship, please visit the NVIDIA blog post.
