Integratives Monitoring und automatische Adaption von System- und Umfeldparametern mobiler Industrierobotersysteme durch systematische Ergebnisanalyse von Schätzverfahren.

Projektbereich / Cluster: Intelligente vernetzte Systeme

Auftraggeber/Mittelgeber: BMWI

Projektträger: AiF

Kooperationspartner: ---

Projektkoordinator: DHBW, Artiminds

Projektlaufzeit: 01.05.2017 - 31.10.2018

Projektbeschreibung + Zielsetzung: Datengetriebenes Monitoring von systematischen Prozessvarianzen in der diskreten Automatisierung mittels Bewegungsanalyse sensor-adaptiver Industrieroboteraufgaben durch maschinelles Lernen für die Industrie 4.0.

Zielgruppe: keine Angaben

Vorgehensweise/Methodik: keine Angaben

Status/Stadium des Projekts: Beendet

Veröffentlichungen:
Unsupervised Hump Detection for Mobile Robots Based on Kinematic Measurements and Deep-Learning Based Autoencoder, Oliver Rettig, Silvan Müller, Marcus Strand, Darko Katic, Proceedings of the 15th International Conference on Intelligent Autonomous Systems IAS-15, Baden-Baden, Germany, 2018

Which deep artificial neural network architecture to use for anomaly detection in Mobile Robots kinematic data?, Oliver Rettig, Silvan Müller, Marcus Strand, Darko Katic, Proceedings of the Conference  Machine Learning for Cyber Physical Systems and Industry 4.0 ML4CPS, Karlsruhe, Germany, 2018

Ansprechpartner: Prof. Dr. Marcus Strand

Links: Labor : Robot and Human Motion Lab