Logo iMarEx v2Im Rahmen des Projektes iMarEx wird der Einsatz sowohl von klassischer KI als auch von Machine- und Deep-Learning in unterschiedlichen Bereichen der maritimen Exploration erforscht und erprobt. Auf robotischen Wasserfahrzeugen werden dabei KI-Konzepte am Beispiel von Oberflächenfahrzeugen (Wave Glider, Katamaran) entwickelt. Die konkrete Aufgabe besteht darin, dass ein Oberflächenfahrzeug eigenständig (autonom) die Quelle eines Flüssigkeitsausstroms, z.B. einen Wasserkörper mit hoher Trübung oder Schadstoffe, lokalisiert und an den Ort des Ausstroms fährt, um weitere Aktionen wie z.B. Beprobungen oder Untersuchungen zu ermöglichen.

Weiterlesen ...

 

VaMEx LogoDas Projekt VaMEx3-RGE ermöglicht es einem Roboterschwarm autonom Umgebungen zu erkunden, in der Zukunft eventuell auch den Mars.

 

Weiterlesen ...

mower in station crop

 

Im Rahmen dieses multidisziplinären Projekts wird ein Rasenmähroboter weiterentwickelt, der sehr große Rasenflächen autonom abfahren und mähen soll.

Weiterlesen ...

proreta logoPRORETA ist eine interdisziplinäre Forschungskooperation zwischen Universitäten und Continental AG. Das Ziel dieser Kooperation ist die Entwicklung von Fahrerassistenzsystemen (ADAS) und Funktionen für autonomes Fahren (AD), um Verkehrunfälle zu verhindern.

 

Weiterlesen ...

atcity logoEine genaue Bewegungsbestimmung von Fahrzeugen ist essenziell für das autonome Fahren. In @CITY wurde ein neuer Odometriealgorithmus für das autonome Fahren entwickelt. 

 

Weiterlesen ...

logo ease 2019 Menschen bewältigen alltägliche Aufgaben mit Leichtigkeit. Sie manipulieren Objekte in ihrer Umwelt und können mit unvollständigen Informationen (z.B. Instruktionen) umgehen. Der Sonderforschungsbereich EASE untersucht, wie Roboter befähigt werden können, alltägliche Aufgaben im Haushalt mit ähnlicher Leichtigkeit zu meistern. Das Unterprojekt H1 untersucht, wie Menschen deren sensomotorisches Verhalten flexibel an die vielfältigen Bedingungen und Kontexte der Alltagsszenarien anpassen. Diese Anpassung erstreckt sich über mehrere Ebenen und reicht von Aufgabenbedingungen über Objekt- und Werkzeugeigenschaften bis hin zu spontanen Anpassungen sensomotorischer Parameter. Kausale Beziehungen sind für diese adaptiven Eigenschaften wesentlich.

Weiterlesen ...

Aktuell sind 52 Gäste und keine Mitglieder online

Cognitive Neuroinformatics © 2024