Intelligente Systeme und Robotik

Die Gruppe "Autonome Intelligente Systeme" betreibt Forschung in den Bereichen kognitive Robotik und Computer Vision.  Zu den wichtigsten Herausforderungen bei der Konstruktion dieser Roboter gehören die systematische Behandlung von Unsicherheiten, die Modellierung des Umgebungszustands, die Koordination von Teams kooperierender Roboter in dynamischen Umgebungen, die Interaktion mit Menschen, die Entwicklung und das Lernen. Beispiele für kognitive Robotersysteme, an denen die Arbeitsgruppe forscht, sind humanoide Roboter, autonome Mikro-Luftfahrzeuge (MAVs), Robotermanipulatoren für die Müllsammlung, Avatar-Roboter und Erkundungsroboter. Im Bereich der Computer Vision untersucht die Arbeitsgruppe die Kategorisierung von Objekten, die Segmentierung von Objektklassen, die semantische Zuordnung und die Handlungserkennung, wobei sie sich insbesondere auf Deep-Learning-Methoden, die hierarchische Darstellungen in neuronalen Netzen oder grafischen Modellen konzentrieren.

Der Forschungsschwerpunkt der Gruppe „Humanoide Roboter“, unter der Leitung von Prof. Bennewitz, liegt auf Robotern, die in menschlichen Umgebungen agieren. Dabei entwickelt die Gruppe Techniken, die es Robotern ermöglichen, ihr Verhalten an die Umgebung und die sie umgebenden Menschen anzupassen, indem sie semantische Informationen über Objekte und Informationen über die Aktivitäten der Benutzer nutzen. Hauptaugenmerk liegt dabei besonders auf der Bewegungsplanung und Navigation durch unübersichtliche und dynamische Szenen sowie auf der Generierung von vorausschauendem Roboterverhalten durch Vorhersage menschlicher Bewegungen. Ein weiterer Forschungsschwerpunkt der Gruppe liegt auf der aktiven Wahrnehmung, wie z. B. der Erfassung von Objekten in Innenräumen oder Pflanzen in Gewächshäusern mit den Sensoren eines Roboters, um 3D-Modelle über die Zeit zu lernen.

Die dritte Arbeitsgruppe „Robot Perception and Learning“ wird von Juniorprofessor Dr. Hermann Blum geleitet. Sie untersucht Roboter, die ihre Umgebung semantisch und geometrisch verstehen können, um Manipulationen und andere sicherheitskritische Aufgaben in der Nähe von Menschen durchzuführen. Das Labor erforscht insbesondere, wie sich Roboter mit ihrer Umgebung vertraut machen und an Veränderungen anpassen können. Dies umfasst die Erkennung unbekannter, offener Objekte in der Umgebung, die Anpassung von Robotern an neue Umgebungen und das kontinuierliche selbst überwachte Lernen. Zum Beispiel ein Lagerroboter, der mit der Zeit lernt, wo welcher Artikel hingehört und sich selbständig anpassen kann, wenn sich die Verpackung eines Produkts ändert.