Kognitive Systeme / Robotik - Interaktive Studienpläne der TU Ilmenau

Vorlesungen Neuroinformatik und Maschinelles Lernen

In der Vorlesung Kognitive Robotik lernen die Studenten die Begrifflichkeiten und das Methodenspektrum der Kognitiven Robotik kennen. Sie verstehen übergreifende Ansätze zur Konzeption und der Realisierung von Robotik-Komponenten aus der Sicht von Sensorik, Aktorik und kognitiver Informationsverarbeitung. Sie kennen Techniken der Umgebungswahrnehmung und der lokalen und globalen Navigation von Kognitiven Robotern in komplexer realer Einsatzumgebung.

Die Studierenden sind in der Lage, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durch Anwendung des behandelten Methodenspektrums Lösungskonzepte für unterschiedliche Fragestellungen der Service- und Assistenzrobotik zu entwerfen und umzusetzen, sowie bestehende Lösungskonzepte zu bewerten. Vor- und Nachteile der Komponenten und Verfahren im Kontext praktischer Anwendungen sind den Studierenden bekannt.

Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen und praktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung von Verfahren der Roboternavigation sowie zur Informations- und Wissensverarbeitung in Kognitiven Robotern. Sie vermittelt sowohl Faktenwissen, begriffliches und algorithmisches Wissen aus folgenden Themenkomplexen:

• Begriffsdefinitionen (Kognitive Robotik, Servicerobotik, Assistenzrobotik), Anwendungsbeispiele und Einsatzgebiete
• Basiskomponenten Kognitiver Roboter
• Sensorik und Aktuatorik: aktive und passive / interne und externe Sensoren; Antriebskonzepte und Artikulationstechniken
• Basisoperation zur Roboternavigation: Lokale Navigation und Hindernisvermeidung incl. Bewegungssteuerung (VFH, VFH+, DWA); Anbindung an die Motorsteuerung; Arten der Umgebungsmodellierung und –kartierung; probabilistische Selbstlokalisation (Bayes-Filter, Kalman-Filter, Partikel-Filter, MCL); Simulataneous Localization and Mapping (SLAM) Techniken (online SLAM, Full SLAM); Pfadplanung (Dijkstra, A*, D*, E*, Rapidly-Exploring Random Trees (RRTs) )
• Steuerarchitekturen nach Art der Problemdekomposition und der Ablaufsteuerung
• Leistungsbewertung und Benchmarking Kognitiver Roboter (Metriken und Gütemaße, Gestaltung von Funktionstests)
• Aktuelle Entwicklungen der Service- und Assistenzrobotik mit Zuordnung der vermittelten Verfahren

Im Rahmen des Pflichtpraktikums werden die behandelten methodischen und algorithmischen Grundlagen der Roboternavigation (Erzeugung einer Occupancy Grid Maps, Pfadplanung (Dijkstra und A* Algorithmus), Selbstlokalisation mittels Partikelfilter) durch die Studierenden selbst softwaretechnisch umgesetzt und im Rahmen eines vorgefertigten Python-Frameworks implementiert.

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps, studentische Demo-Programme, e-Learning mittels „Jupyter Notebook”

• Hertzberg, J., Lingemann, K., Nüchter: A. Mobile Roboter; Springer Vieweg 2012
• Siciliano, B., Khatib: O. Springer Handbook of Robotics, Springer 2016
• Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics, MIT Press 2005
• Siegwart, R., Nourbakhsh, I. R.: Introduction to Autonomous Mobile Robots, MIT Press 2004

90% Klausur 60 min + 10% Implementierung