ErgoBot

Dynamische und ergonomische Adaption von Roboterbewegungen an den Menschen in Kollaborations-Szenarien durch maschinelles Lernen und Bewegungsanalyse.
 

Projektbereich: Intelligente vernetzte Systeme 

Cluster: Neue Materialien und Produktionsprozesse
Unternehmensführung und -steuerung
X Intelligente vernetzte Systeme
Innovation in Lehr-/Lernprozessen
X Industrie 4.0 und die Digitalisierung der Lebensbereiche sowie ihre Auswirkungen

Auftraggeber/Mittelgeber: BMWI

Projektträger: AiF

Kooperationspartner: Artiminds

Projektkoordinator: DHBW, Artiminds
 

Projektlaufzeit: 01.11.2018-30.04.2020

Projektbeschreibung + Zielsetzung: Ziel dieses FuE-Projektes ist es, einen ersten Software-Prototypen zu entwickeln, der es ermöglicht, in Mensch-Roboter-Kollaboration die Roboter-Kinematiken dynamisch an die Bedürfnisse der Menschen zu adaptieren. Dabei sollen insbesondere die individuellen biomechanischen Eigenheiten, ergonomische und sicherheitstechnische Anforderungen, psychologische Komponenten sowie betriebswirtschafliche Zielgrößen berücksichtigt werden. Eine Optimierung soll mit Hilfe von Methoden maschinellen Lernens erfolgen und sowohl die einzelne Mensch-Maschine-Interaktion als auch die Produktion über den gesamten Tagesverlauf hinweg im Blick behalten. Dabei gilt es, eine geeignete Balance zwischen der Erwartbarkeit der Roboterbewegung und flexibler Adaption zu finden.

Zielgruppe: keine Angaben

Vorgehensweise/Methodik: keine Angaben

Status/Stadium des Projekts: geschlossen

Ansprechpartner: Prof. Dr. Marcus Strand

Links: Labor : Robot and Human Motion Lab

Publikationen

  • Erweiterte Suche öffnen

  • El-Farouk E. Labib, Omar; El-Safty, Sarah W.; Müller, Silvan; Haalboom, Thomas; Strand, Marcus (2018) : Towards a Stair Climbing Robot System Based on a Re-configurable Linkage Mechanism. Proceedings of the 15th International Conference IAS-15 In: Strand, Marcus; Dillmann, Rüdiger; Menegatti, Emanuele; Ghidoni, Stefano (Hg.): Intelligent Autonomous Systems 15: Proceedings of the 15th International Conference IAS-15: Springer International Publishing (Advances in Intelligent Systems and Computing), S. 278-288

    DOI: https://doi.org/10.1007/978-3-030-01370-7_22 

    Export-Dateien: Citavi Endnote RIS ISI BibTeX WordXML

  • Lenk, Max; Hilsendegen, Paula; Rettig, Oliver; Strand, Marcus (2018) : Simulation and Transfer of Reinforcement Learning Algorithms for Autonomous Obstacle Avoidance In: Strand, Marcus; Dillmann, Rüdiger; Menegatti, Emanuele; Ghidoni, Stefano (Hg.): Proceedings of the 15th International Conference IAS-15: 15th International Conference on Intelligent Autonomous Systems IAS-15: Baden-Baden, Germany: Cham: Springer (Advances in Intelligent Systems and Computing)

    Export-Dateien: Citavi Endnote RIS ISI BibTeX WordXML

  • Rettig, Oliver; Müller, Silvan; Strand, Marcus; Katic, Darko (2018) : Unsupervised Hump Detection for Mobile Robots Based on Kinematic Measurements and Deep-Learning Based Autoencoder In: Strand, Marcus; Dillmann, Rüdiger; Menegatti, Emanuele; Ghidoni, Stefano (Hg.): Proceedings of the 15th International Conference IAS-15: 15th International Conference on Intelligent Autonomous Systems IAS-15: Baden-Baden, Germany: Cham: Springer (Advances in Intelligent Systems and Computing)

    Export-Dateien: Citavi Endnote RIS ISI BibTeX WordXML

  • Rettig, Oliver; Müller, Silvan; Strand, Marcus (2018) : Which deep artificial neural network architecture to use for anomaly detection in Mobile Robots kinematic data? In: ML4CPS – Machine Learning for Cyber Physical Systems and Industry 4.0: Proceedings of the Conference Machine Learning for Cyber Physical Systems and Industry 4.0 ML4CPS Fraunhofer IOSB: 5th Conference on Machine Learning for Cyber Physical Systems: Karlsruhe: 2018. ML4CPS – Machine Learning for Cyber Physical Systems and Industry 4.0

    Export-Dateien: Citavi Endnote RIS ISI BibTeX WordXML

  • Spohn, Leon; Bergen, Marcus; Benz, Nicolai; Vonscheidt, Denis; Haubner, Hans-Jörg; Strand, Marcus (2017) : I Believe I Can Fly—Gesture-Driven Quadrotor Control Based on a Fuzzy Control System In: Chen, Weidong; Hosoda, Koh; Menegatti, Emanuele; Shimizu, Masahiro; Wang, Hesheng (Hg.): Intelligent Autonomous Systems 14: Proceedings of the 14th International Conference IAS-14, 531: Cham: Springer International Publishing (Advances in Intelligent Systems and Computing), S. 177-184

    DOI: https://doi.org/10.1007/978-3-319-48036-7_13 

    Abstract: Conventionally, drones and robots are controlled using joysticks and remote controls. Here is a new idea: to approximate the feeling of “being the bird”, we introduce 3D fly-gestures and add VR-technology to stimulate our eyes. We chose a quadrotor and the combination of a Kinect, Virtual Reality Glasses and a Fuzzy-Controller as interface for processing instructions.

    Export-Dateien: Citavi Endnote RIS ISI BibTeX WordXML