Ziel des Vorhabens ist es, einen autonomen Shuttlebus-Betrieb zu installieren. Dabei soll das Fahrzeug auf einer festgelegten Route Passagiere an verschiedenen Haltestellen völlig autonom aufnehmen und absetzen können. Der Fahrbetrieb wird jederzeit von einem Safety Control Center überwacht und ausgewertet. Im Falle eines unvorhergesehenen Ereignisses können mittels des Safety Control Centers Steuersignale an das Fahrzeug gesendet werden, um die Situation aufzulösen.
Das Projekt OPA³L - "Optimal Assistierte, hoch Automatisierte, Autonome und kooperative Fahrzeugnavigation und Lokalisation" verfolgt das Ziel, autonome Shuttle-Fahrten in bekannten Umgebungen im suburbanen Raum anzubieten. Im Projekt wird hierzu ein mit zusätzlichen Sensoren ausgerüstetes Forschungsfahrzeug genutzt. Radsensoren, GNSS, sowie ein Inertialsensor dienen zu Bestimmung des Fahrzeugzustands; LiDAR, Kamera und Radar zur Wahrnehmung der Umgebung. Der Fokus der Arbeitsgruppe Kognitive Neuroinformatik liegt auf der Fusion der vorhandenen Sensordaten, um eine robuste Schätzung des Fahrzeugzustandes sowieso der Umgebung zu erhalten, zudem auf der Routenplanung um auch bei mehreren Passagieren mit unterschiedlichen Start- und Endpunkten eine effiziente Beförderung zu gewährleisten.
Developing a system to protect honey bees from varroa mites.
Sensor data from bee hive is collected and analysed.
Searching for extraterrestrial life on icy moons and getting a better understanding of the emergence of life are the key motivations behind the TRIPLE Projects.
The acronym TRIPLE stands for Technologies for Rapid Ice Penetration and subglacial Lake Exploration and constists of multiple bespoke projects dedicated to the ambitious goals of the challenging demands of a deep sea and space mission.
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 H3 untersucht, wie Menschen Aktivitäten durchführen. Basierend auf aufgezeichneten Daten von Menschen bei alltäglichen Tätigkeiten wie z.B. Tisch decken, werden Modelle entwickelt, welche das inherente Wissen über die Durchführung solcher Aktivitäten repräsentieren, um dieses Wissen für den Roboter verfügbar zu machen.
We have 60 guests and no members online