Stage-oe-small.jpg

Angewandte Technisch-Kognitive Systeme

Aus Aifbportal
Wechseln zu:Navigation, Suche

Angewandte Technisch-Kognitive Systeme

P3142439.JPG





Sekretariat:
 
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
12. März 2024: Autonomes Fahren mit Bundesminister für Digitales und Verkehr Volker Wissing auf Campus Nord
5. Oktober 2023: CoCar NextGen auf IEEE ITSC 2023
5. Oktober 2023: CoCar NextGen at IEEE ITSC 2023
5. Oktober 2023: Autonomes Fahren mit Bundesminister für Digitales und Verkehr Volker Wissing auf Campus Nord
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 ZöllnerNikolai 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

Fzilogo.gif
Forschungsbereich ISPE


Personen



Lehrveranstaltungen


Aktive Projekte
Dfg logo schriftzug blau 4c.png

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

Dark+Gradient S.png

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

Taf logo transparent.png

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