Technische Universität Ilmenau

Kognitive Robotik - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu unseren Studiengängen. Rechtlich verbindliche Angaben zum Verlauf des Studiums entnehmen Sie bitte dem jeweiligen Studienplan (Anlage zur Studienordnung). Bitte beachten Sie diesen rechtlichen Hinweis. Angaben zum Raum und Zeitpunkt der einzelnen Lehrveranstaltungen entnehmen Sie bitte dem aktuellen Vorlesungsverzeichnis.

Fachinformationen zu Kognitive Robotik im Studiengang Master Informatik 2013
Fachnummer181
Prüfungsnummer2200100
FakultätFakultät für Informatik und Automatisierung
Fachgebietsnummer 2233 (Neuroinformatik und Kognitive Robotik)
Fachverantwortliche(r)Prof. Dr. Horst-Michael Groß
TurnusSommersemester
SpracheDeutsch
Leistungspunkte8
Präsenzstudium (h)22
Selbststudium (h)218
VerpflichtungWahlpflicht
Abschlussschriftliche Prüfungsleistung, 120 Minuten
Details zum Abschluss
max. Teilnehmerzahl
Vorkenntnisse

Vorlesungen Neuroinformatik und Maschinelles Lernen, Angewandte Neuroinformatik

Lernergebnisse

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.

Inhalt

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.

Medienformen

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

Literatur
  • 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
Lehrevaluation

Pflichtevaluation:

SS 2017 (Fach)

Freiwillige Evaluation:

SS 2008 (Vorlesung)

SS 2010 (Vorlesung)

SS 2011 (Vorlesung)

SS 2012 (Vorlesung)

SS 2013 (Vorlesung)

SS 2014 (Vorlesung)

SS 2015 (Vorlesung)

SS 2016 (Vorlesung)

Hospitation:

Informationen und Handreichungen zur Pflege von Modul- und Fachbeschreibungen durch den Modul- oder Fachverantwortlichen finden Sie auf den Infoseiten zum Modulkatalog.