Kognitive Robotik - Interaktive Studienpläne der TU Ilmenau

Das Modul Kognitive Robotik mit der Prüfungsnummer 220453 schließt mit folgenden Leistungen ab:

• schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200739)
• alternative semesterbegleitende Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200740)

Details zum Abschluss Teilleistung 2:

eigenständige Python-Implementierungen von Navigationslesitungen

Dieses Modul enthält mindestens eine alternative semesterbegleitende Abschlussleistung. Bitte beachten Sie, dass diese in der Regel schon zu Beginn des Semesters, in dem diese angeboten wird, angemeldet werden muss.
Über die Details und Zeiträume dazu werden Sie vom Lehrenden und/oder dem Prüfungsamt informiert. Fragen Sie gegebenenfalls unbedingt beim Lehrenden nach.

This module contains at least one alternative exam part. Please note that this must usually be registered at the beginning of the semester in which it is offered.
The lecturer and/or the examination office will inform you about the details and time periods. If necessary, be sure to ask the lecturer.

Pflichtmodul "Neuroinformatik und Maschinelles Lernen"

Nach Absolvierung des Moduls "Kognitive Robotik" verfügen die Studenten über die Begrifflichkeiten und das Methodenspektrum der Kognitiven Robotik. Sie haben übergreifende Ansätze zur  Konzeption und der Realisierung von Robotik-Komponenten aus der Sicht von Sensorik, Aktorik und kognitiver Informationsverarbeitung verstanden. 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. Mit den Python-Implementierungen (Teilleistung 2) verfügen die Studierenden über praktische Verfahren bei der Implementierung von Navigationsalgorithmen für die Robotik. Nach intensiven Diskussionen während der Übungen und zur Auswertung der Python-Implementierung können die Studierenden Leistungen ihrer Mitkommilitonen richtig einschätzen und würdigen. Sie berücksichtigen Kritik, beherzigen Anmerkungen und nehmen Hinweise an.

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:
  • Arten der Umgebungsmodellierung und –kartierung (Metrische, topologische, hybride Karten)
  • Occupancy Maps und Bayessches Update-Prinzip, Sensormodelle und Inverse Sensormodelle
  • Lokale Navigation und Hindernisvermeidung incl. Bewegungssteuerung (VFH, VFH+, DWA); Anbindung an die Motorsteuerung;
  • probabilistische Selbstlokalisation (Bayes-Filter, Partikel-Filter, MCL)
  • Pfadplanung (Dijkstra, A*, D*, E*, Rapidly-Exploring Random Trees (RRTs)
  • Simulataneous Localization and Mapping (SLAM) Techniken (online SLAM, Full SLAM);
  • Autonome Exploration (Frontier Based Exploration, Next Best View)
• 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”, Erklärvideos für Vorlesungen und Übungen

• 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