Kollaborative Leichtbauroboter sind in der Industrie im Trend. Sie sind vergleichsweise günstig. Die Entwicklungen im Forschungsfeld des maschinellen Lernens machen sie zunehmend flexibel und sorgen für eine leichtere Bedienung. Die Herausforderungen für die Forschung liegen auf der Hand. Die Maschinen müssen mit einer kognitiven Intelligenz ausgestattet sein, um eine veränderte Umwelt adaptieren und neue Aufgaben verstehen zu können. Die in dem Projekt angestrebten Ziele gehen weit über den State-of-the-Art der Forschung hinaus.
Im Mittelpunkt steht das „Transfer Lernen“: von manuellen Tätigkeiten des Menschen auf den Roboter sowie von einer Produkt- oder Prozess-Variante auf eine ähnliche ab.
Die wesentlichen Forschungsziele in dem Projekt:
- Das Mapping der Bewegung des Menschen auf den Roboter
- Das „Verstehen“ temporaler Task-Zusammenhänge und Prozessparameter durch den Roboter
- Die Adaptierbarkeit auf ähnliche Prozesse mit möglichst wenig neuen Beispielen
Für die Durchführung des Projekts sind keine externen Kooperationen vorgesehen.
Projektname:
LERN4MRK: Modellieren, Erlernen und Abstrahieren von Prozessen für die Mensch-Roboter Kooperation
Förderung:
bmvit
Laufzeit:
01.07.2017 – 30.06.2021
Publikationen
S.C. Akkaladevi, M. Plasch, and A. Pichler, „Skill-based learning of an assembly process“ Elektrotech. Inftech. (2017) 134: 312, Springer Vienna. https://doi.org/10.1007/s00502-017-0514-2
C. Heindl, T. Poenitz, G. Stuebl, A. Pichler, and J. Scharinger, “Spatio-thermal depth correction of RGB-D sensors based on Gaussian Processes in real-time” in The 10th International Conference on Machine Vision, to be published, 2017.
