Diplomandenseminar

 -  13:00 Uhr
Exposé
RH1 A 1.03

Docking eines AUVs unter Störeinflüssen

von: Tim Lehr  (Universität Bremen)
Das Projekt EurEx-SiLaNa ist eine Voruntersuchung für zukünftige Missionen zum Jupitermond Europa. Auf diesem wird unter einer Eisschicht ein Ozean vermutet. Um diesen zu erreichen, soll die Eisschicht durch einen Eisbohrer penetriert werden, woraufhin der Ozean von einem Unterwasserfahreug erkundet…
 -  13:00 Uhr
Exposé
RH1 A 1.03

Development of a self-righting behavior on the four-legged walking robot Charlie

von: Simon Teiwes  (Universität Bremen)
One important aspect in the field of legged robots is their robustness to unforeseen events during a mission. While walking on uneven ground, a legged walking robot is likely to fall. In order to continue its mission, the robot needs to provide a self-righting behavior, which succeeds from any init…
 -  12:30 Uhr
Kolloquium
RH1 A 1.03

Untersuchung des Effektes fehlerhafter Dateneingaben bei gestenbasierter Roboter-Mensch-Interaktion mit EEG-basiertem Feedback beim Contextual Bandit Problem

von: Lukas Schlossmüller  (Universität Bremen)
Für die Zusammenarbeit von Roboter und Mensch wurde am DFKI eine auf der Basis von bestärkendem Lernen aufgebaute Mensch-Roboter-Schnittstelle entwickelt. Diese ermöglicht eine gestenbasierte Steuerung des Roboters und nutzt Fehlerkorrelierte Potentiale, welche bei der Fehlererkennung im Gehirn herv…
 -  14:00 Uhr
Kolloquium
RH1 A 1.03

Code Coverage und Unit Tests sowie automatisiertes Bauen von VHDL Projekten mit Hilfe eines Build Servers

von: Felix Blüml  (Universität Bremen)
Die Master-Thesis hat das Vorhaben, die DFKI GmbH durch Überführen des bestehenden VHDL-Integrationsprozesses zur kontinuierlichen VHDL-Integration zu unterstützen, mit dem Primärziel einer früheren Rückmeldung des Integrationsstatus.
 -  13:00 Uhr
Kolloquium
RH1 A 1.03

Neuronale Netze zum Erkennen von Gesten auf Motion Tracking Daten

von: Sebastian Hellmann  (Universität Bremen)
Um eine reibungslose Zusammenarbeit zwischen Mensch und Roboter zu gewährleisten, bedarf es intuitiver Steuerungsmethoden wie der Gestensteuerung.Dazu werden die Bewegungen eines Benutzers mit Hilfe eines geeigneten Verfahrens erkannt und anschließend vom Computer klassifiziert.Eine Möglichkeit der …
 -  13:30 Uhr
Exposé
RH1 A 1.03

Systematische Analyse maschineller Lernverfahren zur Lösung des Problems der inversen Kinematik

von: Tim von Oehsen  (Universität Bremen)
Obwohl zur Lösung des Problems der inversen Kinematik bereits lange bewährte analytische und numerische Lösungen verfügbar sind, wird aktiv an einer Anwendung maschineller Lernverfahren geforscht.Zwar bergen diese in einigen Anwendungsfällen durchaus Potenzial, doch nicht zuletzt treten beim Lernen …
 -  13:00 Uhr
Zwischenbericht
RH1 A 1.03

AUV Navigation in sonarbasierten Tiefkarten

von: Niklas Pech  (Universität Bremen)
In dem Projekt "Eurex-SiLaNa" wird die Langzeitnavigation von autonomen Unterwasserfahrzeugen untersucht und verbessert. Hierfür ist der Einsatz des Multibeam Echsounders R2 Sonic 2020 zur Kartierung und driftfreier Lokalisierung in diesen Karten vorgesehen. Deshalb soll in der Masterarb…
 -  12:00 Uhr
Exposé
RH1 A 1.03

Untersuchung des Effektes fehlerhafter Dateneingaben bei gestenbasierter Roboter-Mensch-Interaktion mit EEG-basiertem Feedback beim Contextual Bandit Problem

von: Lukas Schloßmüller  (Universität Bremen)
Für die Zusammenarbeit von Roboter und Mensch wurde am DFKI eine auf der Basis von bestärkendem Lernen aufgebaute Roboter-Mensch-Schnittstelle entwickelt. Diese ermöglicht eine gestenbasierte Steuerung des Roboters und nutzt Fehlerkorrelierte Potentiale, welche bei der Fehlererkennung im Gehirn her…
 -  13:30 Uhr
Exposé
RH1 A 1.03

Visual Explanations in Deep Reinforcement Learning via Convolutional Neural Network Localization

von: Matthias Rosynski  (Universität Bremen)
Deep Reinforcement Learning (DRL) connects the classic Reinforcement Learning algorithms with Convolutional Neuronal Networks (CNN). The problem in DRL is that it is not easy to understand what the CNN is learning. In order to be able to use the programs in highly dangerous environments for humans a…
 -  14:00 Uhr
Zwischenbericht
RH5 117

Adding new gestures for human-robot interaction using EEG-based reinforcement learning

von: Christoph Naue  (Universität Bremen)
Reinforcement learning applications have evolved rapidly throughout the last decade. Recently the DFKI successfully implemented a reinforcement learning (RL) algorithm that uses error potentials evoked by error recognition in the human brain for human-robot interaction. The algorithm makes it possib…
© DFKI GmbH
zuletzt geändert am 31.03.2023
nach oben