TumorEncode - deep convolutional autoencoder for computed tomography tumor treatment assessment. - In: 2018 International Joint Conference on Neural Networks (IJCNN), ISBN 978-1-5090-6014-6, (2018), insges. 8 S.
https://doi.org/10.1109/IJCNN.2018.8489193
Ein Beitrag zur robusten Nutzerwahrnehmung auf realwelttauglichen Assistenzrobotern in häuslichen Szenarien. - Ilmenau : Universitätsbibliothek, 2018. - 1 Online-Ressource (iv, 192 Seiten)
Technische Universität Ilmenau, Dissertation 2018
Die höhere Lebenserwartung der Bevölkerung und eine rückläufige Geburtenrate führen zu einem steigenden Anteil älterer Menschen in der Gesellschaft. Mobile Assistenzroboter sollen ältere Personen zukünftig in ihren Wohnungen unterstützen. Um sinnvolle Funktionen und Dienste anbieten zu können, muss der Roboter Personen in seiner Umgebung wahrnehmen können. Das häusliche Szenario stellt dabei aufgrund seiner Komplexität eine Herausforderung für die Erkennungsalgorithmen dar. Komplexität entsteht beispielsweise durch unterschiedliche Einrichtungsmöglichkeiten, schwierige Beleuchtungsbedingungen und variable Nutzerposen. Die Dissertation stellt eine Architektur zur Personenwahrnehmung für mobile Roboter vor. Die modulare Architektur beschreibt die verwendeten Komponenten und deren Kommunikation untereinander. Aufgrund der Modularität können einzelne Komponenten schnell integriert oder ausgetauscht werden. Die Arbeit evaluiert eine Vielzahl von multi-modalen Detektionsverfahren auf Basis von Laser-, Kamera- und 3D-Tiefendaten. Ausgewählte Algorithmen werden für Anwendungsszenario angepasst und weiterentwickelt. Die Hypothesen der Detektoren werden durch einen Personentracker raumzeitlich gefiltert und fusioniert. Besonderheiten des Personentrackers umfassen die Unterstützung mehrerer Filter und Systemmodelle, die Integration von nicht unabhängigen und verspäteten Beobachtungen, die Schätzung der Existenzwahrscheinlichkeit sowie die Integration von Umgebungswissen. Um Nutzer, welche sich nicht im Sichtbereich des Roboters befinden, in der Wohnung zu finden, werden verschiedene Suchverfahren vorgestellt. Das fortschrittlichste Verfahren verwendet eine explorative Suche, um die gesamte Wohnung effektiv zu durchsuchen. Dabei werden falsch-positiv Detektionen ausgeschlossen und mit dynamischen Hindernissen und nicht erreichbaren Räumen umgegangen. Die Arbeit stellt ein Verfahren für die Erkennung von gestürzten, am Boden liegenden Personen vor. Die auf Tiefendaten basierende Erkennung erlaubt es dem Roboter, Personen von anderen Objekten oder Tieren in der Wohnung zu unterscheiden. Die entwickelten Algorithmen wurden im realen Anwendungsszenario evaluiert, indem der Roboter für bis zu 3 Tage in den Wohnungen von Senioren zur freien Nutzung verblieb. Die Experimente zeigten, dass die vorgestellte Architektur zur Personenwahrnehmung robust genug arbeitet, damit der Roboter mithilfe seiner Dienste einen Mehrwert für die Senioren liefern kann.
https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2018000374
Situation awareness for autonomous agents. - In: IEEE RO-MAN 2018, ISBN 978-1-5386-7980-7, (2018), S. 666-671
https://doi.org/10.1109/ROMAN.2018.8525511
Making gait training mobile - a feasibility analysis. - In: High tech human touch, ISBN 978-1-5386-8183-1, (2018), S. 484-490
https://doi.org/10.1109/BIOROB.2018.8487804
Contribution to the long term prediction of motion trajectories. - Ilmenau : Universitätsbibliothek, 2018. - 1 Online-Ressource (117 Seiten)
Technische Universität Ilmenau, Dissertation 2018
Viele Anwendungen in der mobilen und kognitiven Robotik erfordern einen Prädiktionsmechanismus, um die zukünftigen Aufenthaltsorte bewegter Objekte zu schätzen. Ein autonomes Auto muss beispielsweise die Absichten der anderen Verkehrsteilnehmer schätzen können, um Kollisionen zu vermeiden und die Verkehrsregeln einzuhalten. Ein Serviceroboter muss hingegen in der Lage sein, die Bewegungsspuren der Personen in seiner Umgebung vorherzusagen, um in einer sozial akzeptablen Art und Weise zu navigieren und die Passanten nicht zu behindern. Fast alle Prädiktionsalgorithmen, die in der Literatur zu finden sind, beschäftigen sich mit der Kurzzeitprädiktion und sind auf spezielle Problemstellungen angepasst. Die Lösung einer neuen Problemstellung, welche eine Langzeitprädiktion benötigt (z.B. ein personalisierter Shopping-Assistent, oder eine intelligente Stauvorhersage), ist daher oft mit umfangreichem Forschungs- und Entwicklungsaufwand verbunden. Das Ziel dieser Dissertationsschrift liegt darin, sich dieses Defizits anzunehmen und der wissenschaftlichen Gemeinschaft ein vielseitig einsetzbares Langzeitprädiktionsframework zur Verfügung zu stellen. Das Framework trifft keine Annahmen über das jeweilige System und kann somit auf einfache Art und Weise an die spezifischen Anforderungen der individuellen Problemstellung angepasst werden. Das Framework selbst besteht aus drei Elementen: - Ein topologisches Modell, welches mit Hilfe eines Clustering Algorithmus anhand von Beobachtungen erstellt wird. Daraus resultiert ein topologischer Graph, welcher den Zustandsraum effizient abbildet und eine praktikable Repräsentation von Trajektorien ermöglicht. - Ein probabilistisches Modell, welches den topologischen Graphen um Übergangswahrscheinlichkeiten und Wahrscheinlichkeitsverteilungen der Übergangszeiten ergänzt. - Das eigentliche Prädiktionsframework, welches beide Modelle integriert. Mit Hilfe eines flussbasierten Algorithmus errechnet es für eine gegebene Eingabetrajektorie die zukünftigen Aufenthaltswahrscheinlichkeitsverteilungen über den gesamten Zustandsraum. Die im Rahmen dieser Arbeit durchgeführten Experimente zeigen, dass das vorgestellte Langzeitprädiktionsframework für Bewegungstrajektorien in der Lage ist, sich mit mehreren State of the Art Algorithmen zu messen, ohne dabei auf problemspezifische Bewegungsmodelle zurückzugreifen, physikalische Gesetze zu beachten, oder einschränkende Annahmen über den Zustandsraum des Systems zu treffen. Weiterhin enthalten die Experimente umfangreiche Auswertungen und Ergebnisse, um einen aussagekräftigen Vergleich mit künftigen Prädiktionsalgorithmen zu ermöglichen.
http://nbn-resolving.de/urn:nbn:de:gbv:ilm1-2018000314
Making a socially assistive robot companion touch sensitive. - In: Haptics: Science, Technology, and Applications, (2018), S. 476-488
https://doi.org/10.1007/978-3-319-93399-3_41
Speeding up Deep Neural Networks on the Jetson TX1. - Ilmenau : ilmedia. - 1 Online-Ressource (12 Seiten)Publikation entstand im Rahmen der Veranstaltung: CAPRI 2017, Workshop on Computational Aspects of Pattern Recognition an Computer Vision with Neural Systems, 14-19 May 2017, Anchorage, Alaska, USA
http://nbn-resolving.de/urn:nbn:de:gbv:ilm1-2018200017
"3DPersA - Hybride Verfahren zur 3D Personenwahrnehmung für die soziale Assistenzrobotik in öffentlichen und häuslichen Einsatzszenarien" : Abschlussbericht : Projektlaufzeit 01.07.2015-31.06.2017. - [Ilmenau] : [TU Ilmenau, FG Neuroinformatik und Kognitive Robotik]. - 1 Online-Ressource (17 Seiten, 835 KB)Förderkennzeichen BMBF 03ZZ0408
https://doi.org/10.2314/GBV:1013877608
IRON-BAG: fast classification of humans and objects in 3D NDT-maps using structural signatures. - In: Human-robot collaboration and human assistance for an improved quality of life, ISBN 978-1-5386-3518-6, (2017), S. 1491-1497
https://doi.org/10.1109/ROMAN.2017.8172501
First steps towards emotionally expressive motion control for wheeled robots. - In: Human-robot collaboration and human assistance for an improved quality of life, ISBN 978-1-5386-3518-6, (2017), S. 1351-1356
https://doi.org/10.1109/ROMAN.2017.8172480