Angewandte Technisch-Kognitive Systeme

Angewandte Technisch-Kognitive Systeme

Prof. Dr. J. Marius Zöllner Sekretariat: Sonja Göttl Teresa Panhans

 

Beschreibung

Im Fokus der Forschung stehen Technologien der angewandten maschinellen Intelligenz. Basierend auf der Erforschung von Grundlagen sollen neue technische Systeme wie autonome Serviceroboter, autonome Fahrzeuge oder Assistenzsysteme mit kognitiven Fähigkeiten realisiert werden. Die Anwendung dieser so genannten technisch-kognitiven Systeme findet primär im Kontext der hochautomatisierten, effizienten und intermodalen Mobilität, der vernetzten automatisierten Produktion und Logistik sowie der interaktiven Unterstützung des Benutzers in Alltagssituationen statt.

Adressierte Grundlagen der maschinellen Intelligenz sind vornehmlich die maschinelle Wahrnehmung sowie das Situationsverstehen und die Verhaltensentscheidung. Methoden des maschinellen Lernens und der probabilistischen Inferenz werden dabei für alle Komponenten erforscht und angewandt. Die ganzheitliche Nutzung von neuronalen Verfahren in der adaptiven Wahrnehmung und Verhaltensentscheidung wird langfristig in dem jüngst aufgesetzten Forschungsschwerpunkt Neurorobotik adressiert. Verfahren der Systemevaluierung und Validierung bilden einen zusätzlichen Schwerpunkt im Rahmen der angewandten Forschung. Autonome Fahrzeuge wie CoCar und CoCar-Zero, mobile Roboter, wie der Assistenzroboter Hollie, die Lauron Laufmaschinen oder der Inspektionsroboter Kairo bilden dabei wertvolle Integrations- und Evaluierungsplattformen für die angewandte Forschung. Sie werden in enger Kooperation mit dem FZI weiterentwickelt und für die gemeinsame Forschung und Lehre genutzt.

Neuigkeiten

	21. September 2020:	Best Dissertation Award - IEEE ITS Society
	15. November 2018:	Audi Autonomous Driving Cup 2018: Team AlpaKa holt den Titel
	5. November 2018:	Best Paper Award - IEEE International Conference on Intelligent Transportation Systems (ITSC)
	28. Juni 2018:	Best Paper Award - IEEE Intelligent Vehicles Symposium (IV)
	28. Juni 2018:	Best Paper Award - IEEE Intelligent Vehicles Symposium (IV)

Links

Offene Abschlussarbeiten Titel: Feature-based Localization by using Static Objects of the Environment Betreuer: Stefan Orf Abschlussarbeitstyp: Master Titel: Deep Learned Condition Monitoring of an Autonomous Vehicle Betreuer: Stefan Orf Abschlussarbeitstyp: Master Titel: Situation Recognition for Remote Operator Support Betreuer: Stefan Orf Abschlussarbeitstyp: Master Titel: Statistical Modelling of Vehicle Movement in Autonomous Driving Betreuer: Stefan Orf Abschlussarbeitstyp: Bachelor Titel: Detecting Cooperative Driving in Deep Neural Network Architectures Betreuer: J. Marius Zöllner, Nikolai Polley Abschlussarbeitstyp: Bachelor, Master Titel: Anomaly Detection with World Models for Autonomous Driving Betreuer: Daniel Bogdoll Abschlussarbeitstyp: Bachelor, Master Titel: Benchmarking Anomaly Detection on Camera and Lidar Data with 3D Voxel Representation Betreuer: Daniel Bogdoll Abschlussarbeitstyp: Bachelor, Master Titel: Specialized Evaluation Metrics for Perception Tasks in Autonomous Driving Betreuer: Daniel Bogdoll Abschlussarbeitstyp: Bachelor, Master Titel: Deep Learning Anomaly Detection with Model Contradictions for Autonomous Driving Betreuer: Daniel Bogdoll Abschlussarbeitstyp: Bachelor, Master Titel: 3D Voxel Benchmark for Anomaly Detection in Autonomous Driving Betreuer: Daniel Bogdoll Abschlussarbeitstyp: Bachelor, Master Titel: Deep Learning World Models with Latent States for Autonomous Driving Betreuer: Daniel Bogdoll Abschlussarbeitstyp: Bachelor, Master Titel: Thinking Fast and Slow with Model-Based Reinforcement Learning Betreuer: Mohammd Karam Daaboul Abschlussarbeitstyp: Master Titel: Deep Reinforcement Learning for the Control of Robotic Manipulation Betreuer: Mohammd Karam Daaboul Abschlussarbeitstyp: Master Titel: Efficient Uncertainty Aware Latent Model-Based Optimization Betreuer: Mohammd Karam Daaboul Abschlussarbeitstyp: Master Titel: Machine Learning & Transfer Learning im Bereich der Arbeitsmaschinen Betreuer: Mohammd Karam Daaboul Abschlussarbeitstyp: Bachelor, Master Titel: Manöver- / Trajektorienplanung unter Unsicherheiten Betreuer: Philip Schörner Abschlussarbeitstyp: Bachelor, Master Offene Stellen Wissenschaftliche Hilfskraft | Kooperativ Interagierende Automobile Wissenschaftliche(r) Mitarbeiter(in) | Hochautomatisiertes Fahren Unsere Partnerinstitute Forschungsbereich ISPE

Personen

• Ahmed Abouelazm
• Daniel Bogdoll
• Johannes Buyer
• Mohammd Karam Daaboul
• Jens Doll
• Marcus Fechner
• Tobias Fleck
• Martin Gontscharow
• Helen Gremmelmaier
• Daniel Grimm
• Marc Heinrich
• Christian Hubschneider
• Tim Joseph
• Florian Kuhnt
• Karl Kurzer
• Nico Lambing
• Albert Lee
• Ferdinand Mütsch
• Sven Ochs
• Stefan Orf
• Stefan Orf/en
• Svetlana Pavlitskaya
• Rupert Polley
• Nikolai Polley
• Helen Schneider
• Albert Schotschneider
• Philip Schörner
• Philipp Stegmaier
• Marc Uecker
• Abhishek Vivekanandan
• Michael Weber
• Melih Yazgan
• Maximilian Zipfl
• Marc Zofka
• J. Marius Zöllner

Lehrveranstaltungen

• Maschinelles Lernen 1 - Grundverfahren, Vorlesung (findet statt im WS)
• Maschinelles Lernen 2 – Fortgeschrittene Verfahren, Vorlesung (findet statt im SS)
• Programmieren I: Java, Vorlesung (findet statt im WS)
• Programmierung kommerzieller Systeme - Anwendungen in Netzen mit Java, Vorlesung (findet statt im SS)
• Kognitive Automobile und Roboter, Seminar (findet statt im WS & SS)
• Projektpraktikum Kognitive Automobile und Roboter, Praktikum (findet statt im WS)
• Projektpraktikum Maschinelles Lernen, Praktikum (findet statt im SS)

Aktive Projekte

SPP 1835: Kooperativ interagierende Automobile Externer Link: http://www.coincar.de/#/

SofDCar Externer Link: https://www.sofdcar.de

Testfeld Autonomes Fahren Externer Link: https://taf-bw.de/