Technische Universität Ilmenau

Cognitive Robotics - Modultafeln of TU Ilmenau

The module lists provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the electronic university catalogue.

Information and guidance on the maintenance of module descriptions by the module officers are provided at Module maintenance.

Please send information on missing or incorrect module descriptions directly to modulkatalog@tu-ilmenau.de.

module properties Cognitive Robotics in degree program Master Ingenieurinformatik 2014
module number200083
examination number220453
departmentDepartment of Computer Science and Automation
ID of group 2233 (Neuroinformatics and Cognitive Robotics)
module leaderProf. Dr. Horst-Michael Groß
term summer term only
languageDeutsch
credit points5
on-campus program (h)45
self-study (h)105
obligationelective module
examexamination performance with multiple performances
details of the certificateDas 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:

Python-Implementierungen von Navigationsaspekten und Übungsaufgaben

signup details for alternative examinations
maximum number of participants
previous knowledge and experience

Pflichtmodul "Neuroinformatik und Maschinelles Lernen"

learning outcome

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.

content

Das Modul 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
  • Ethische, soziale und rechtliche Aspekte beim Einsatz von Robotern im Allgemeinen sowie beim Einsatz in der Häuslichkeit und in der Pflege im Speziellen sowie wesentliche datenschutzrechtliche Randbedingungen

Im Rahmen der Teilleistung 2 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.

media of instruction

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

literature / references
  • 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
evaluation of teaching