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.
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.
Pressemitteilungen:
Unser Projekt entwickelt neue Ansätze für automatisiertes Fahren in klar abgegrenzten Gebieten und auf wiederkehrenden Routen. Ziel ist es, Algorithmen zu schaffen, die nicht nur leistungsfähig, sondern auch auf unterschiedliche Umgebungen übertragbar sind. Gemeinsam mit unseren Partnern erforschen und testen wir Methoden mit Cloud-Anbindung, die in mehreren Testgebieten praktisch erprobt werden.
Im Mittelpunkt stehen dabei moderne KI-Verfahren wie Trajektorienoptimierung, Deep Learning, modellprädiktive Regelung und Sensorfusion. Ergänzend untersuchen wir, wie mobile Kommunikation über 5G und Satelliten, V2X-Technologien, Prädiktionsalgorithmen und Remote-Control-Konzepte den Straßenverkehr sicherer und effizienter machen können.
Pressemitteilungen:
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.
Im Projekt "BeeVar" wird ein System entwickelt, um Honigbienen gegen Varroa-Milben zu behandeln.
Im Bee Observer Projekt werden Daten aus Bienenstöcken gesammelt.
Aktuell sind 36 Gäste und keine Mitglieder online