Der Besuch folgender Vorlesungen wird empfohlen:
- Vorlesung Robotik I: Einführung in die Robotik
- Vorlesung Mechano-Informatik in der Robotik
Bibliography
Wissenschaftliche Veröffentlichungen zum Thema, werden im ILIAS bereitgestellt.
Content of teaching
In dieser Vorlesung werden aktuelle Arbeiten auf dem Gebiet der humanoiden Robotik vorgestellt, die sich mit der Implementierung komplexer sensomotorischer und kognitiver Fähigkeiten in humanoiden Robotern beschäftigen. In den einzelnen Themenkomplexen werden verschiedene Methoden und Algorithmen, deren Vor- und Nachteile, sowie der aktuelle Stand der Forschung diskutiert:
1. Entwurf humanoider Roboter
- Biomechanische Modelle des menschlichen Körpers
- Mechatronik humanoider Roboter
2. Aktive Perzeption
- Aktives Sehen und Abtasten
- Visuo-haptische Exploration
3. Greifen beim Menschen und bei humanoiden Robotern
- Greifen beim Menschen
- Planung ein- und zweihändiger Greifaufgaben
4. Imitationslernen und Programmieren durch Vormachen
- Erfassung und Analyse menschlicher Bewegungen
- Aktionsrepräsentationen: DMPs, HMMs, Splines
- Abbildung und Reproduktion von Bewegungen
5. Von Signalen zu Symbolen
- Von Merkmalen zu Objekten und von Bewegungen zu Aktionen.
- Object-Action Complexes: Semantische sensomotorische Kategorien
6. Modelle zu Planung, autonomem Handeln und Entscheiden
- Symbolische Planung
- Probabilistischen Entscheidungsverfahren
Short description
The students have received fundamental knowledge of the state-of-the art approaches in the field of autonomous and learning robot systems with focus on humanoid robots. They understand fundamental concepts of autonomous robotics and artificial intelligence and are able to apply them. The students acquire knowledge about the perception-action-loop, the acquisition and modelling of motion and action knowledge, autonomous planning and decision making as well as the semantic gap in cognitive robotics. Among others, the following topics are presented: building humanoid robots, grasping, locomotion, active perception, programming by demonstration and imitation learning, generation of sematic representations from sensorimotor data. State-of-the-art research examples will be discussed. The participants are able to review, to compare, and analyze the discussed approaches.
Workload
90 h
Target audience
Modul für Master Maschinenbau, Mechatronik und Informationstechnik, Elektrotechnik und Informationstechnik
