Forschungsplattform Minerva

Ein einladungsbasierter Forschungs-Workspace für die Wissenschaft: eine Bibliothek, die sich durch automatische Extraktion von Publikationen selbst aufbaut, PDF- und Notizansicht nebeneinander, KI-Assistenten zum Zusammenfassen und Verfassen, Visualisierung des Zitationsgraphen sowie anpassbare Arbeitsbereiche, die sich am tatsächlichen Arbeiten von Forschenden orientieren.

ML-fähige Game-Engine (Hades)

Eine Erkundung der Architektur von Game-Engines, plattformübergreifendes Vulkan, WebGL, ImGui, JoltPhysics (eingesetzt in Horizon Forbidden West), SoLoud, ECS und C++-Skripting, mit besonderem Augenmerk auf APIs für das ML-Training.

GradientHound

Eine Adaption von BloodHound aus der Cybersicherheit, übertragen auf Modellarchitekturen und Policies, um über Checkpoints hinweg Einblicke in den Zustand der Gradienten mit architekturbewussten Visualisierungen zu extrahieren.

LaTeX++

C++-Parser für mathematische Ausdrücke, der die Umrisse jedes Glyphen in einer geladenen OpenType-Schrift (TTF / OTF) nachschlägt und ein extrudiertes Dreiecksgitter erzeugt, das für jeden Renderer bereit ist. Keine Abhängigkeit von einer Grafik-API: Die Bibliothek liefert flache Vertex-/Index-Puffer für individuelles Rendering.

Minerva – RL-Framework

Implementierung vielfältiger Modellarchitekturen und Trainingsalgorithmen in einem modularen und erweiterbaren Framework, um Experimente zum RL-Training durchführen zu können. Ziel ist die Etablierung konsistenter Metriken, Visualisierungen, Kompatibilität mit GradientHound zum Debuggen und schnelle Forschungsiteration.

Dieses Projekt ist derzeit privat und in aktiver Entwicklung.

Vanilla MuJoCo – JoltGym

Bildende Untersuchung, ob Jolt für Multi-Agenten-Training ebenso oder effizienter eingesetzt werden kann als MuJoCo, mit Versuch, die Physik von Umgebungen wie Humanoid/HalfCheetah nachzubilden, Gym-Wrapper zu schreiben und RL zu trainieren.

Hades Neural Engine – C++-RL-Framework

Nutzung von TorchLib und eigenen Integrationsschichten mit ImGui und Wandb, um die Wiederverwendung von RL-Methoden in anderen C++-Projekten zu ermöglichen – insbesondere, um Agenten zu bauen und zu trainieren, die in 3D-Umgebungen neben menschlich gesteuerten Agenten agieren.