Qualitative Simulation abstracts from numerical details and captures the behavior of a system in terms of broad intervals or relations. The underlying symbolic models such as Qualitative Differential Equations or Qualitative Causal Models double as a representation for why a certain simulation outcome occurred. A long standing issue in common sense reasoning in AI is the prediction of naive physics scenario. This thesis topic explores the use of Qualitative Models as an abstract reasoning model in the context of 2D Physical Reasoning Benchmarks such as Phyre and virtool.
Qualitative Simulation Models for Naive 2D-Physics
Related Thesis Topics
Mapping the European AI HLEG Trustworthiness Framework to Formal Methods
FPGA‑Based Quantum‑Computer Simulator with a Web‑Based Design‑Run‑Analyse Front‑End
AI‑Enhanced Formal‑Methods‑as‑a‑Service: Designing, Implementing, and Evaluating an MCP‑Based Backend that Powers a VS Code Copilot Extension for Automated Program Analysis and Verification.
Im Rahmen dieser Arbeit soll ein datengetriebenes Fahrzeugmodell eines Tesla Model Y in die Simulationsumgebung BeamNG.tech integriert werden. Grundlage bildet die Vorarbeit des AMORi Teams, das während realer Testfahrten die Fahrzeugverhalten analysiert, CAN-Bus-Daten dekodiert und darauf aufbauend ein Python-basiertes Modell von Antriebsstrang und Fahrdynamik entwickelt. Ziel dieser Masterarbeit ist es, dieses Modell in die BeamNG-Umgebung […]
Inductive Logic Programming (ILP) is a form of symbolic machine learning, where logic programs (e.g., Prolog or ASP) are synthesized from input/output examples. These synthesis tasks are notorious for their large search space. Modern approaches use a conflict-driven search to constrain this search iteratively. This procedure is usually implemented using constraint programming solvers operating on […]
Redirecting Clang’s MCDC Coverage Instrumentation to ARM CoreSight: A High‑Performance, Hardware‑Backed Coverage Collection Framework
In Kooperation mit Coherent in Lübeck Warum das spannend ist Kontext & Ziel Heute wird Qualitätsprüfung bei Coherent in Lübeck noch manuell erledigt. Kommerzielle Tools gibt’s, aber ein erklärbarer In‑house‑Prototyp ermöglicht schnelleres Lernen, Kostenkontrolle und höhere Akzeptanz bei den Nutzer*innen. Ziel der Arbeit ist ein produktnaher Prototyp, der robust, nachvollziehbar und betreibbar ist. Leitfragen Datensatz […]
in Kooperation mit Coherent Lübeck Warum das spannend ist Kontext & Motivation Industrielaser erzeugen umfangreiche Telemetrie (Temperaturen, Ströme, Leistungen, Interlocks, Fehlercodes). Historische Felddaten und Burn‑in‑Tests sollen genutzt werden, um Ausfälle rechtzeitig vorherzusagen, Ursachen schneller einzugrenzen und Wartung präventiv zu planen. Leitfragen Datensatz Mögliche Aufgaben Ergebnisse
This project aims to develop a machine learning model capable of reconstructing a 3D volume using the ultrasound images of a forearm, tracked probe data, and the calibration matrix as inputs. The model should be able to compensate for inaccuracies in the calibration matrix, thereby improving the accuracy of the reconstructed 3D volume. What you […]