Diplomandenseminar

Die AG Robotik von der Universität Bremen bietet in Kooperation mit dem Robotics Innovation Center von der DFKI GmbH eine ganze Reihe von Seminaren und Vorträgen an. In dieser Reihe sind die Bachelor-, Master- und Diplomarbeiten enthalten. Die Termine werden hier regelmäßig aktualisiert. Externe können in vielen Fällen nach Rücksprache mit dem Sekretariat an den Vorträgen teilnehmen.

Vorträge

 -  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…
 -  13:30 Uhr
Exposé
RH5 117

Development of a Visual Voice Activity Detection

von: Adrian Lubitz  (Universität Bremen)
Technology is integrating more and more into the life of the modern man. A very important question is how are people interacting with technology. The human brain does not react emotionally to artificial objects like computers and mobile phones. However, the human brain reacts strongly to human appea…
 -  13:00 Uhr
Kolloquium
RH1 A 1.03

Untersuchung eines biologisch inspirierten Gleichgewichtsverhaltens am Beispiel des Humanoiden RH5

von: Luka Johnsen  (Hochschule Bremen)
Es wird ein Gleichgewichtsverhalten für den humanoiden Roboter RH5  entwickelt, optimiert und untersucht. Der Aufbau des Gleichgewichtsverhaltens ist vom biologischen Vorbild Mensch inspiriert.  Die von Menschen verwendeten Fußgelenk- und Beinbelastungsstrategien werden auf den Roboter übe…
 -  13:00 Uhr
Exposé
RH1 A 1.03

Untersuchung und Bewertung von Trajektoriegeneratoren bei Greifanwendungen

von: Jannik Klemm  (Universität Bremen)
Die Auswahl des richtigen Trajektoriegenerators und dessen Parametrisierung für ein Manipulationsszenario erfordert viel Expertenwissen. Zudem muss diese situationsbedingt angepasst werden, welches manuell sehr aufwendig und häufig nicht optimal durchgeführt werden kann. Darum ist es notwendig, dass…
 -  12:30 Uhr
Exposé
RH1 A 1.03

Konzipierung eines modularen, skalierbaren und generischen Rahmenwerkes zur Umsetzung von Maschinellem Lernen in großen Unternehmensorganisationen - Am Beispiel der Weltraumrobotik von Airbus DS

von: Dennis Lubczyk  (Universität Bremen)
In Studien zeigt sich, dass in deutschen Unternehmen Künstliche Intelligenz nur ein kleiner Teil in aktuellen Digitalisierungsstrategien sind. Um bei der Umsetzung dieses Strategieaspektes zu unterstützen, wurden Leitfäden im Bereich der Data Analytics wie CRISP-DM entwickelt und in Unternehmen wie …
 -  12:00 Uhr
Exposé
RH1 A 1.03

Integration eines TensorFlow Modells auf einem FPGA

von: Jan-Niklas Schmelzle  (Universität Bremen)
In den vergangenen Jahren wurden große Fortschritte im Bereich des Machine Learnings (ML), insbesondere bei Deep Neural Networks (DNNs), erzielt. Aufgrund dieser Entwicklung hat die Verwendung dieser Algorithmen in vielen verschiedenen Anwendungsfeldern zugenommen. Zum jetzigen Zeitpunkt werden dies…
© DFKI GmbH
zuletzt geändert am 06.09.2024