Aktuelle Informationen zu Forschung und Entwicklung der Mitglieder des Labors finden sich auf den Personenseiten der Mitglieder und der Webseite der Forschungsgruppe CIOP:
Allgemein verfügen die Mitglieder des Labors z.B. über Erfahrung und Interessen auf folgenden Gebieten:
- Bild- und Signalverarbeitung
- Dieser Bereich befasst sich mit der Analyse und Verarbeitung von Bildern und Signalen.
- Konkrete Forschungsthemen:
- Computational Geometry (3D-Modellierung, Image Mosaicing)
- Wavelets
- Medizinische Bildverarbeitung
- Maschinelles Lernen und Datenanalyse
- Dieser Bereich beschäftigt sich mit der Entwicklung von Algorithmen, die aus Daten lernen und Vorhersagen treffen können.
- Konkrete Forschungsthemen:
- Prognose und Zeitreihenanalyse
- Deep Learning
- Random Forests
- Federated Learning
- Optimierung, Simulation, Cyber-Physische Systeme und Spieltheorie
- Dieser Bereich umfasst die Entwicklung und Anwendung mathematischer Methoden zur Optimierung von Prozessen, Simulation und Entwicklung Cyber-Physischer Systeme und Analyse strategischer Entscheidungen.
- Konkrete Forschungsthemen:
- Reinforcement Learning
- Game Learning, Game Physics
- Multiobjective Optimization
- Vision-Language-Action Modelle
Ausstattung des Labors
Die Ausstattung des Labors wird in der vorlesungsfreien Zeit neu angepasst.
Softwareeinsatz im Labor
Neben Standard-Softwarepaketen wie TensorFlow, PyTorch, Maple, MATLAB (mit Image Toolbox, Wavelet Toolbox, Signal Processing Toolbox), Processing 
(oder OpenGL mit VC++), R und RATTLE (Data Mining in R), wird im Labor auch mit spezialisierter Software (LINDO, Whatsbest usw.) gearbeitet.
Darüber hinaus entwickeln die Mitglieder des Labors eigene Softwarelösungen, darunter:
- TDMR (Tuned Data Mining in R)
- GBG (General Board Game Playing and Learning Framework)
- SACOBRA (Self-adjusting Constrained Optimization By RBF Approximation)
- rCMA
- SFA und rSFA