Hochperformante Humanoide Technologien (H²T)

Motion in Man and Machine

  • Typ: Seminar (S)
  • Semester: SS 2020
  • Zeit:

    tba
    08:00 - 18:00 täglich
    50.22 Pavillon 50.22 Ergänzungsbauten am Ring - Studentenwohnheim Kolleg am Ring


    tba
    11:30 - 15:45 täglich
    50.20 Raum 148 50.20 Ergänzungsbauten am Ring - Hauptgebäude



  • Dozent: Isabel Patzer
    Prof. Dr.-Ing. Tamim Asfour
  • SWS: 3
  • LVNr.: 2400063
  • Hinweis:

    Kontakt: 3m-seminar@lists.kit.edu

Lehrinhalt

Dieses interdisziplinäre Blockseminar beschäftigt sich mit Methoden der Modellierung, Generierung und Kontrolle von Bewegungen beim Menschen und in humanoiden Robotern. Studenten bekommen einen Einblick in dieses interdisziplinäre Feld und lernen Grundlagen zur Erfassung biologischer Bewegung, zur biomechanischen Simulation, zur Robotik, und zum maschinellen Lernen. Einleitend wird die Entstehung der Bewegung des Menschen ausgehend von der Kontraktion der Muskeln besprochen. Es wird gezeigt wie basierend auf der Beobachtung menschlicher Bewegungen verschiedene Bewegungsmuster identifiziert und kategorisiert werden können. Darauf aufbauend wird besprochen wie diese Bewegungsmuster technisch nachgebildet werden können. Zum Abschluss werden Methoden zum Lernen von Bewegungsprimitiven aus menschlichen Bewegungen vorgestellt und ihre Anwendung für die Bewegungsgenerierung bei humanoiden Robotern erläutert.

 

Zugangsvoraussetzungen

Empfehlung:

Die Fähigkeit zum Erstellen von Programmen und die Beherrschung einer Programmiersprache wie z.B. Matlab, Python oder C++.

Anmerkung

Modul für Master Sportwissenschaften, Maschinenbau, Mechatronik und Informationstechnik, Elektrotechnik und Informationstechnik

Arbeitsbelastung

90 h

Zielgruppe

Modul für Master Sportwissenschaften, Maschinenbau, Mechatronik und Informationstechnik, Elektrotechnik und Informationstechnik

Ziel

Der/Die Studierende kennt Verfahren zur Modellierung menschlicher Bewegung, sowie Möglichkeiten zu ihrer maschinellen Verarbeitung und Analyse. Er/Sie kennt Methoden zum Lernen von Bewegungsprimitiven und Abbildung menschlicher Bewegungen auf Roboter, die eine unterschiedliche Kinematik und Dynamik haben und kann diese kontextbezogen anwenden.