Taktilsensorbasierte Steuerung von Roboterarmen zur Erstellung einer Haptischen Datenbank
|
|
- Moritz Fuchs
- vor 6 Jahren
- Abrufe
Transkript
1 Taktilsensorbasierte Steuerung von Roboterarmen zur Erstellung einer Haptischen Datenbank Matthias Schöpfer 1 Gunther Heidemann 2 Helge Ritter 1 1 {mschoepf,helge}@techfak.uni-bielefeld.de Technische Fakultät - AG Neuroinformatik Universität Bielefeld 2 gh@informatik.uni-stuttgart.de VIS / Abteilung Intelligente Systeme Universität Stuttgart 18. Juli 2007 Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 1 / 23
2 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Übersicht 1 Setup AG Neuroinformatik 2 Taktile Datenbank Hardware zur Abtastverfahren Datenstruktur 3 : Taktile Klassifikation Überblick VPL-Klassifikator 4 Aktuelle Arbeit: Reinforcement Learning 5 und Ausblick Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 2 / 23
3 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Shadow Hand Features 20 DOF 40 Pneumatische Muskeln Abmessungen ähnlich wie beim Menschen Steifigkeit durch Muskeln steuerbar Echtzeitkontrolle via RT-Linux und Onboard Mircocontroller CAN-Bus Interface Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 3 / 23
4 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Greifheuristiken in Simulation und Realität Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 4 / 23
5 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Shadow Hand in Aktion Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 5 / 23
6 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Bimanuales Setup Zwei 7 DOF Mitsubishi PA-10 Industrieroboter Ansteuerung unter Linux Pfad-Planer mit dynamischer Hindernissvermeidung Kollisionserkennung und Vermeidung in Echtzeit Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 6 / 23
7 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Taktile Sensorik Taktile Wahrnehmung wichtig für stabilen Griff Erkennung/Klassifikation (un-)bekannter Objekte Materialschonende Handhabung Das Greifen/Manipulieren als solches Bisher verfügbare Taktilsensoren für die Shadowhand unzureichend Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 7 / 23
8 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Wozu eine taktile Datenbank? Die meisten Veröffentlichungen im taktilen Bereich betreffen neue Sensoren Veröffentlichungen über neue Verarbeitungsverfahren sind eher selten und speziell Vergleich verschiedener Verfahren schwierig Komplexe Hardwaresetups erfordern großen Aufwand selbst bei simplen Ansätzen Lösung: Eine taktile Datenbank Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 8 / 23
9 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Wozu eine taktile Datenbank? forts. Beispiele CV: Columbia Object Image Library (COIL), VisTex Anwendungen (off-line): Slip Erkennung, Form Rekonstruktion, Klassifikation auf taktilen oder haptischen Features, Features aus taktilen/haptischen Daten extrahieren, Entwicklung explorativer Strategien,... Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 9 / 23
10 Übersicht Setup AG Neuroinformatik Wozu eine taktile Datenbank? Wozu eine taktile Datenbank? forts. Beispiele CV: Columbia Object Image Library (COIL), VisTex Anwendungen (off-line): Slip Erkennung, Form Rekonstruktion, Klassifikation auf taktilen oder haptischen Features, Features aus taktilen/haptischen Daten extrahieren, Entwicklung explorativer Strategien,... Erspart einem viel Zeit am Roboter Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 9 / 23
11 Motivation Hardware Abtastverfahren Datenstruktur Sensor Typ: DSA IS ( Resistiver Sensor, Auflösung: 16 x 16 Matrix pro Tact-El 12 bit 1-25 Hz. Benutzt: 10 Hz 6mm (1/4 inch) Abstand zwischen den Sensorzellen Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 10 / 23
12 Hardware Abtastverfahren Datenstruktur Hardware-Setup Sensor befestigt am End-Effektor eines 6-DOF Unimation Puma 200. Roboter gesteuert über RCCL (Robot Control C Library, Entwicklung: V. Hayward,J. Lloyd, T. Scherer). Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 11 / 23
13 Hardware Abtastverfahren Datenstruktur Voraussetzungen Alle abgetasteten Objekte kleiner als die Sensoroberfläche (10 80 mm) Rollen über das Objekt mit konstantem Druck Trajektorienberechnung in Echtzeit Zu jedem taktilen Muster wird die T 0 6 Transformation gespeichert 16 verschiedene Objekte generierten 44 Ansichten, also stabile Positionen Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 12 / 23
14 Hardware Abtastverfahren Datenstruktur Abtastverfahren Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 13 / 23
15 Hardware Abtastverfahren Datenstruktur Abtastverfahren forts. Verschiedene Winkel ( in 10 Schritten) und Translationen (0mm,0mm), (3mm,0mm), (0mm,3mm), (3mm,3mm) Einzelner Abtastvorgang benötigt ca. 4 Minuten Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 14 / 23
16 Hardware Abtastverfahren Datenstruktur Datenstruktur Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 15 / 23
17 Hardware Abtastverfahren Datenstruktur Statistiken 14 Millionen Haptische (also taktile und kinästhetische) Frames Ergibt ca. 5.8 Gigabyte an komprimierten Daten Netto Zeit von ca. 530 Stunden (Komplikationen nicht mit eingerechnet). Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 16 / 23
18 Überblick VPL Aktuelle Arbeiten Die VPL Klassifikationsarchitektur 3 Phasen Klassifikator (Vektor Quantisierung, PCA, LLM-Neuronales Netz) Kombiniert Merkmalsextraktion ( Phase) und -klassifikation (3. Phase) Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 17 / 23
19 Überblick VPL Aktuelle Arbeiten Die VPL Klassifikationsarchitektur forts. Als Eingabe dienen unterabgetastete taktile Zeitserien: 16 x 16 (Matrix) x 100 Beispiele aus der Zeitserie = x R (!) Ansatz: Anstatt Merkmalsextraktion mit Weltwissen, den Klassifikator die Merkmale selber finden lassen. Merkmalsextraktion (unüberwacht): lokale PCA auf den Rohdaten x Die dimensionsreduzierte PCA-Projektion von x wird klassifiziert von zugeordneten Neuronalen Netz (Lernverfahren überwacht) Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 18 / 23
20 Überblick VPL Aktuelle Arbeiten Warum VPL? VPL ist ausgelegt auf komplexe und hochdimensionale Datenverteilungen Keine Overfitting-Effekte in den wenigen Parametern Gute Kombination aus unüberwachtem ( Phase) und überwachtem Lernverfahren (3. Phase) Geeignet, um ein Gefühl für die taktilen Daten zu entwickeln, also insbesondere Generalisierung über bestimmte Parameter (Rotation, Translation,... ) Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 19 / 23
21 Überblick VPL Aktuelle Arbeiten Training Test Erg. zuf. Roll Angle (RA) & Offset Rotation (OR) Paar, Translational Offset (TO)=(0mm,0mm) TO=(3mm,0mm) 29.5% Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 20 / 23
22 Überblick VPL Aktuelle Arbeiten Training Test Erg. zuf. Roll Angle (RA) & Offset Rotation TO=(3mm,0mm) 29.5% (OR) Paar, Translational Offset (TO)=(0mm,0mm) zuf. RA & OR Paar, TO=(0mm,0mm) OR training 69.9% Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 20 / 23
23 Überblick VPL Aktuelle Arbeiten Training Test Erg. zuf. Roll Angle (RA) & Offset Rotation TO=(3mm,0mm) 29.5% (OR) Paar, Translational Offset (TO)=(0mm,0mm) zuf. RA & OR Paar, TO=(0mm,0mm) OR training 69.9% zuf. RA & OR Paar, TO={(0mm,0mm), TO=(3mm,3mm) 97.2% (3mm,0mm), (0mm,3mm)} Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 20 / 23
24 Überblick VPL Aktuelle Arbeiten Training Test Erg. zuf. Roll Angle (RA) & Offset Rotation TO=(3mm,0mm) 29.5% (OR) Paar, Translational Offset (TO)=(0mm,0mm) zuf. RA & OR Paar, TO=(0mm,0mm) OR training 69.9% zuf. RA & OR Paar, TO={(0mm,0mm), TO=(3mm,3mm) 97.2% (3mm,0mm), (0mm,3mm)} OR = {x, x + 20 }, zuf. RA & TO OR={x + 10 } 84.1% Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 20 / 23
25 Überblick VPL Aktuelle Arbeiten Training Test Erg. zuf. Roll Angle (RA) & Offset Rotation TO=(3mm,0mm) 29.5% (OR) Paar, Translational Offset (TO)=(0mm,0mm) zuf. RA & OR Paar, TO=(0mm,0mm) OR training 69.9% zuf. RA & OR Paar, TO={(0mm,0mm), TO=(3mm,3mm) 97.2% (3mm,0mm), (0mm,3mm)} OR = {x, x + 20 }, zuf. RA & TO OR={x + 10 } 84.1% OR={x, x + 10, x + 30, x + 40 }, zuf. RA & TO OR={x + 20 } 89.2% Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 20 / 23
26 Überblick VPL Aktuelle Arbeiten Training Test Erg. zuf. Roll Angle (RA) & Offset Rotation TO=(3mm,0mm) 29.5% (OR) Paar, Translational Offset (TO)=(0mm,0mm) zuf. RA & OR Paar, TO=(0mm,0mm) OR training 69.9% zuf. RA & OR Paar, TO={(0mm,0mm), TO=(3mm,3mm) 97.2% (3mm,0mm), (0mm,3mm)} OR = {x, x + 20 }, zuf. RA & TO OR={x + 10 } 84.1% OR={x, x + 10, x + 30, x + 40 }, zuf. OR={x + 20 } 89.2% RA & TO OR={x, x + 10, x + 30, x + 40 }, zuf. OR={x + 20 }, 91.9% RA, TO={(0mm,0mm), (3mm,0mm), TO=(3mm,3mm) (0mm,3mm)} Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 20 / 23
27 Überblick VPL Aktuelle Arbeiten Training Test Erg. zuf. Roll Angle (RA) & Offset Rotation TO=(3mm,0mm) 29.5% (OR) Paar, Translational Offset (TO)=(0mm,0mm) zuf. RA & OR Paar, TO=(0mm,0mm) OR training 69.9% zuf. RA & OR Paar, TO={(0mm,0mm), TO=(3mm,3mm) 97.2% (3mm,0mm), (0mm,3mm)} OR = {x, x + 20 }, zuf. RA & TO OR={x + 10 } 84.1% OR={x, x + 10, x + 30, x + 40 }, zuf. OR={x + 20 } 89.2% RA & TO OR={x, x + 10, x + 30, x + 40 }, zuf. OR={x + 20 }, 91.9% RA, TO={(0mm,0mm), (3mm,0mm), TO=(3mm,3mm) (0mm,3mm)} zuf. OR & TO, RA=0 RA=45 6.0% Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 20 / 23
28 Überblick VPL Aktuelle Arbeiten Reinforcement Learning Welche Kraft wird zum Greifen benötigt? Idee: Lernen des Idealen Drucks durch Versuch und Irrtum Reinforcement Learning Belohnung: kleinere Kraft länger gehalten Strafe Objekt verloren Lernerfolg bei Versuchen Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 21 / 23
29 Vorstellung Robotik-Setup AG Neuroinformatik Umfangreiche haptische Datenbank mit 16 verschiedenen Objekten in 44 verschiedenen Positionen Datenbank kann verwendet werden, um neue Algorithmen auf haptischen Daten zu entwickeln Eine erste Anwendung (Objekt-Klassifikation auf taktilen Daten) wurde vorgestellt Reinforcement Learning zum Erlernen der idealen Kraft beim Greifen Ausblick: Entwicklung weiterer haptischer Verfahren auf Basis der Taktilen Datenbank Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 22 / 23
30 Vielen Dank für Ihre Aufmerksamkeit! Schöpfer, Heidemann, Ritter Universitäten Bielefeld und Stuttgart 23 / 23
AW 1 - Vortrag. Simulationsmodell für visuell geführte Roboter. von Bernd Pohlmann. Betreuender: Prof. Dr. Andreas Meisel
AW 1 - Vortrag Simulationsmodell für visuell geführte Roboter von Betreuender: Prof. Dr. Andreas Meisel Inhalt 1. Motivation 2. Ziel 3. Einführung Robotik 4. Kinematik 5. Denavit-Hartenberg 6. Kameramodell
MehrKapitel ML: I. I. Einführung. Beispiele für Lernaufgaben Spezifikation von Lernproblemen
Kapitel ML: I I. Einführung Beispiele für Lernaufgaben Spezifikation von Lernproblemen ML: I-8 Introduction c STEIN/LETTMANN 2005-2010 Beispiele für Lernaufgaben Autoeinkaufsberater Welche Kriterien liegen
MehrSpace Usage Rules. Neele Halbur, Helge Spieker InformatiCup 2015 19. März 2015
Space Usage Rules? InformatiCup 2015 1 Agenda 1. Vorstellung des Teams 2. Entwicklungsprozess und Umsetzung 3. Verbesserung der Strategien 4. Auswertung der Strategien 5. Ausblick 6. Fazit 2 Vorstellung
MehrSoftcomputing Biologische Prinzipien in der Informatik. Neuronale Netze. Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003
Softcomputing Biologische Prinzipien in der Informatik Neuronale Netze Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003 Überblick Motivation Biologische Grundlagen und ihre Umsetzung
MehrSeminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens
Seminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 19.12.2013 Allgemeine Problemstellung
MehrKapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12
Kapitel 11* Kapitel11* Grundlagen ME p.1/12 Grundlagen ME Aufbau eines ME-Systems Entwicklung eines ME-Systems Kapitel11* Grundlagen ME p.2/12 Aufbau eines ME-Systems (1) on line Phase digitalisiertes
MehrInhaltliche Planung für die Vorlesung
Vorlesung: Künstliche Intelligenz - Mustererkennung - P LS ES S ST ME Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte der KI, PROLOG 2) Expertensysteme
MehrEinsatz von Reinforcement Learning in der Modellfahrzeugnavigation
Einsatz von Reinforcement Learning in der Modellfahrzeugnavigation von Manuel Trittel Informatik HAW Hamburg Vortrag im Rahmen der Veranstaltung AW1 im Masterstudiengang, 02.12.2008 der Anwendung Themeneinordnung
MehrProbleme der Navigation von Rehabilitationsroboter: Intelligenter Rollstuhl
16.04.2013 Advanced Seminar "Computer Engineering" WS2012/2013 Probleme der Navigation von Rehabilitationsroboter: Intelligenter Rollstuhl Sandrine Michele Chouansu Lehrstuhl für Automation; Universität
MehrML-Werkzeuge und ihre Anwendung
Kleine Einführung: und ihre Anwendung martin.loesch@kit.edu (0721) 608 45944 Motivation Einsatz von maschinellem Lernen erfordert durchdachtes Vorgehen Programmieren grundlegender Verfahren aufwändig fehlerträchtig
MehrCT Rekonstruktion mit Objektspezifischen Erweiterten Trajektorien
DACH-Jahrestagung 2015 Mo.3.A.3 CT Rekonstruktion mit Objektspezifischen Erweiterten Trajektorien Andreas FISCHER 1, Tobias LASSER 2, Michael SCHRAPP 1, Jürgen STEPHAN 1, Karsten SCHÖRNER 1, Peter NOËL
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
MehrSeminar Textmining SS 2015 Grundlagen des Maschinellen Lernens
Seminar Textmining SS 2015 Grundlagen des Maschinellen Lernens Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 17.04.2015 Entscheidungsprobleme beim Textmining
MehrEntwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion
Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion Vortrag Seminararbeit David Pogorzelski Aachen, 22.01.2015 Agenda 1 2 3 4 5 Ziel der
MehrBielefeld Graphics & Geometry Group. Brain Machine Interfaces Reaching and Grasping by Primates
Reaching and Grasping by Primates + 1 Reaching and Grasping by Primates Inhalt Einführung Theoretischer Hintergrund Design Grundlagen Experiment Ausblick Diskussion 2 Reaching and Grasping by Primates
Mehr2. Lernen von Entscheidungsbäumen
2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen
MehrJan Ehmke Doktorandenworkshop 2008 St. Andreasberg, 10.03.2008
Ermittlung dynamischer Fahrzeiten für die City-Logistik Jan Ehmke Doktorandenworkshop 2008 St. Andreasberg, 10.03.2008 Inhalt Einführung Planung in der City-Logistik Erhebung dynamischer Fahrzeiten Konzeption
Mehrgekapselte Mechatronik-Objekte
Inkrementelle Entwicklung von Produktionsanlagen über gekapselte Mechatronik-Objekte Institut für Informatik Automatisierungstechnik und Robotik (I²AR) Prof. Schmidtmann Habbo Kleinhuis Inhalt Überblick
MehrComputerlinguistische Textanalyse
Computerlinguistische Textanalyse 10. Sitzung 06.01.2014 Einführung in die Textklassifikation Franz Matthies Lehrstuhl für Computerlinguistik Institut für Germanistische Sprachwissenschaft Friedrich-Schiller
MehrComputer-Graphik I Transformationen & Viewing
lausthal Motivation omputer-raphik I Transformationen & Viewing Man möchte die virtuelle 3D Welt auf einem 2D Display darstellen. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann
MehrKohonennetze Selbstorganisierende Karten
Kohonennetze Selbstorganisierende Karten Julian Rith, Simon Regnet, Falk Kniffka Seminar: Umgebungsexploration und Wegeplanung mit Robotern Kohonennetze: Neuronale Netze In Dendriten werden die ankommenden
MehrDesigning Haptic. Computer Interfaces for blind people
Designing Haptic Computer Interfaces for blind people Agenda 2 01 Motivation 02 Forschung 03 Einleitung 04 Experimente 05 Guidelines Motivation Motivation 4 i 1,2 Millionen sehbehinderte und blinde Menschen
MehrVorstellung von Bewegung Berlin Brain Computer Interfaces (BBCI)
Vorstellung von Bewegung Berlin Brain Computer Interfaces (BBCI) Let the machines learn! Jela Ruhe, Sara Winter 02.12.2009 BMI Universität Bielefeld ౧ Gliederung 2 Einführung Methoden Experimente & Ergebnisse
MehrEinführung. Rechnerarchitekturen Entwicklung und Ausführung von Programmen Betriebssysteme
Teil I Einführung Überblick 1 2 Geschichte der Informatik 3 Technische Grundlagen der Informatik Rechnerarchitekturen Entwicklung und Ausführung von Programmen Betriebssysteme 4 Daten, Informationen, Kodierung
MehrJan Parthey, Christin Seifert. 22. Mai 2003
Simulation Rekursiver Auto-Assoziativer Speicher (RAAM) durch Erweiterung eines klassischen Backpropagation-Simulators Jan Parthey, Christin Seifert jpar@hrz.tu-chemnitz.de, sech@hrz.tu-chemnitz.de 22.
MehrHardware-Engineering
Universität Bielefeld Technische Fakultät AG Technische Informatik Seminar Hardware-Engineering 29. Juli 2004 Veranstalter Tim Köhler 1 1 tkoehler@techfak. 2 Universität Bielefeld, AG Technische Informatik
MehrSession 7: Projektvorstellung Transferprojekt itsowl-tt-roquad 18. August 2015, Gütersloh. www.its-owl.de
Session 7: Projektvorstellung Transferprojekt itsowl-tt-roquad 18. August 2015, Gütersloh www.its-owl.de Agenda Abschlusspräsentation itsowl-tt-roquad Einführung Zielsetzung Ergebnisse Resümee und Ausblick
MehrWie die Bionik der Robotik hilft
Wie die Bionik der Robotik hilft Dr. Reinhard Pittschellis Festo Didacic GmbH&Co. KG Denkendorf pitt@de.festo.com Festo Didactic Weltmarktführer für Lernsysteme Mechatronik Automatisierungstechnik Produktion
MehrProf. J. Zhang zhang@informatik.uni-hamburg.de. Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 16. Dezember 2003
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 5. Sichtsysteme in der Robotik....................307 Industrielle
MehrModulares Koordinatentransformations- und Bahninterpolationsmodell für f r redundante Roboterkinematiken
Im Namen Allahs des Gnädigen des Barmherzigen Modulares Koordinatentransformations- und Bahninterpolationsmodell für f r redundante Roboterkinematiken Projektleiter : Referant: Prof. Dr. Ing. habil P.
MehrGeschichte der Lehrmittel in der Geburtshilfe
Geburtshilfekongress Zürich 15. Mai 2014 Geschichte der Lehrmittel in der Geburtshilfe Prof. Dr.-Ing. Robert Riener Labor für Sensormotorische Systeme Institut für Robotik & Intelligente Systeme, ETH Zurich
MehrData-Mining: Ausgewählte Verfahren und Werkzeuge
Fakultät Informatik Institut für Angewandte Informatik Lehrstuhl Technische Informationssysteme Data-Mining: Ausgewählte Verfahren und Vortragender: Jia Mu Betreuer: Dipl.-Inf. Denis Stein Dresden, den
MehrVorbereitungsaufgaben
Praktikum Bildverarbeitung / Bildinformationstechnik Versuch BV 4 / BIT 3: Mustererkennung Paddy Gadegast, CV00, 160967 Alexander Opel, CV00, 16075 Gruppe 3 Otto-von-Guericke Universität Magdeburg Fakultät
MehrAlgorithmen und Datenstrukturen Bereichsbäume
Algorithmen und Datenstrukturen Bereichsbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung k-d Baum BSP Baum R Baum Motivation
MehrÜbersicht. Rot-schwarz Bäume. Rot-schwarz Bäume. Beispiel. Eigenschaften. Datenstrukturen & Algorithmen. Rot-schwarz Bäume Eigenschaften Einfügen
Datenstrukturen & Algorithmen Übersicht Rot-schwarz Bäume Eigenschaften Einfügen Matthias Zwicker Universität Bern Frühling 2009 2 Rot-schwarz Bäume Binäre Suchbäume sind nur effizient wenn Höhe des Baumes
MehrCimatron E11 im Überblick. Jürgen Gassen Produktmanager
Cimatron E11 im Überblick Jürgen Gassen Produktmanager Themen Rückblick E10 Allgemeines zu E11 Neuerungen E11 in den Applikationen Nach Cimatron E11 2 Themen Rückblick E10 3 Rückblick E10 Qualität E10
MehrRobotics. Flex Finishing Force Control Kraftsteuerung für Roboterbearbeitungsprozesse
Robotics Flex Finishing Force Control Kraftsteuerung für Roboterbearbeitungsprozesse Force Control (FC) Der traditionelle Weg einen Roboter zu programmieren war, den Pfad, die Verfahrgeschwindigkeit sowie
MehrComputer Vision: AdaBoost. D. Schlesinger () Computer Vision: AdaBoost 1 / 10
Computer Vision: AdaBoost D. Schlesinger () Computer Vision: AdaBoost 1 / 10 Idee Gegeben sei eine Menge schwacher (einfacher, schlechter) Klassifikatoren Man bilde einen guten durch eine geschickte Kombination
MehrEntwicklung einer allgemeinen dynamischen inversen Kinematik
Entwicklung einer allgemeinen dynamischen inversen Kinematik Christoph Schmiedecke Studiendepartment Informatik Hochschule für Angewandte Wissenschaften Hamburg 06. Januar 2010 Inhaltsverzeichnis 1 Motivation
MehrSIMERO: Erzeugung von flüssigen und schnellen Roboterbewegungen
SIMERO: Erzeugung von flüssigen und schnellen Roboterbewegungen AG Eingebettete Systeme und Robotik (RESY),, http://resy.informatik.uni-kl.de/ 1. Motivation 2. Stand der Forschung 3. Kontrollflusskonzepte
MehrEntwicklung von praxisnahen Laborübungen in der industriellen Bildverarbeitung
München Entwicklung von praxisnahen Laborübungen in der industriellen Bildverarbeitung Prof. Dr. Alexander Hornberg FH für Technik, Esslingen Alexander.Hornberg@fht-esslingen.de -1- Überblick Inhalt der
MehrPersonalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining.
Personalisierung Personalisierung Thomas Mandl Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung Klassifikation Die Nutzer werden in vorab bestimmte Klassen/Nutzerprofilen
MehrEnergie-Management für Drive-by-Wire Fahrzeuge Ergebnisse des EU-Projektes SPARC Dr. Günther Bauer Dr. Armin Sulzmann
Energie-Management für Drive-by-Wire Fahrzeuge Ergebnisse des EU-Projektes SPARC Dr. Günther Bauer Dr. Armin Sulzmann iq POWER Deutschland GmbH DAIMLER AG SPARC-Projekt Das Unfälle vermeidende Fahrzeug
MehrNr. 42 / 13 vom 31. Mai 2013
Nr. 42 / 13 vom 31. Mai 2013 2. Satzung zur Änderung der Prüfungsordnung für den Master-Studiengang Elektrotechnik der Fakultät für Elektrotechnik, Informatik und Mathematik an der Universität Paderborn
MehrBachelorstudiengang Medizintechnik Masterstudiengang Medizintechnik. Kompetenzfeld Systemdynamik Simulationstechnik
Bachelorstudiengang Medizintechnik Masterstudiengang Medizintechnik Kompetenzfeld Systemdynamik Simulationstechnik Module des Kompetenzfelds Prof. Dr. Ing. Cristina Tarín Systemdynamische Grundlagen der
MehrKurzeinführungin Blender & Gimp 05.06.2008
Kurzeinführungin Blender & Gimp 05.06.2008 GIMP 2 GIMP Gnu Image Manipulation Program (Gnu = Gnu Not Unix) Bildbearbeitungsprogramm auf Rasterbasis Rasterbild diskrete Matrix von Pixel mit Farbwerten (RGB,
MehrLabor CIM & Robotik. Prof. Georg Stark. University of Applied Sciences. Augsburg, Germany. Prof. Georg Stark University of Applied Sciences
Labor CIM & Robotik Augsburg, Germany Zielsetzung I Auge-Hand-System Steuerung Roboter Effektor Werkstück 3D-Kamera Zielsetzung II Kooperierende Systeme Werkstück Werkzeug Entwicklung von Software für
MehrEinführung in neuronale Netze
Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze
MehrDeveloping Virtual Reality Applications
Historisch-Kulturwissenschaftliche Informationsverarbeitung Hauptseminar: Medien zwischen Technologie und Gesellschaft Dozent: Prof. Dr. Manfred Thaller WS 2012/2013 Robert Lee Phillips 17.01.2013 Developing
MehrFuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle
Fuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle Umgang mit unsicherem Wissen VAK 03-711.08 Oliver Ahlbrecht 8. Dezember 2005 Struktur 1. Einleitung 2. Beispiel Cart-Pole 3. Warum Hybride
MehrDiagnose- und Testfunktionen in CANoe.J1939
Diagnose- und Testfunktionen in CANoe.J1939 V0.05 2008-03-06 Agenda > CANoe Test Feature Set Diagnose mit CANoe Slide: 2 Notwendigkeit von Tests? Ausgangssituation Heute Komplexität der Software in Steuergeräten
MehrOracle Database Backup Service - DR mit der Cloud
Oracle Database Backup Service - DR mit der Cloud Martin Berger Trivadis AG CH-3015 Bern Schlüsselworte Oracle Cloud, Backup, Disaster Recovery, RMAN, cloud.oracle.com, PaaS Einleitung Mit dem Oracle Database
MehrIntelligente Agenten
KI Wintersemester 2013/2014 Intelligente Agenten Grundlagen der Künstlichen Intelligenz Wintersemester 2014/2015 Marc Toussaint 2006-2014 Heidemann, Bruhn, Toussaint Überblick Überblick Agentenbegriff,
MehrHardware-Interfaces für FlexRay und CAN
Hardware-Interfaces für FlexRay und CAN FlexRay, das Bussystem für hohe Datenraten im Fahrzeug, stellt sehr hohe Anforderungen an die Hardwareschnittstellen. Nutzen Sie die Vector FlexRay Interfaces für
MehrSYSTEMTECHNIK FÜR DIE LASERBEARBEITUNG
TRUMPF Laser- und Systemtechnik GmbH SYSTEMTECHNIK FÜR DIE LASERBEARBEITUNG Dr.-Ing. Ulf Quentin 28.06.2014 Systemtechnik für die Laserbearbeitung Agenda 1. Einleitung 2. Kinematikkonzepte 3. Weitere Aspekte
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,
Mehr4. Lernen von Entscheidungsbäumen. Klassifikation mit Entscheidungsbäumen. Entscheidungsbaum
4. Lernen von Entscheidungsbäumen Klassifikation mit Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch /Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse zugeordnet werden.
MehrGit Eine Einführung. LinuxTag 2013, Berlin. Julius Plenz. 22. Mai 2013
Git Eine Einführung LinuxTag 2013, Berlin Julius Plenz 22. Mai 2013 Ablauf Versionskontrolle: Zentral vs. Dezentral Historischer Kurzabriss zu Git Das Objektmodell wie funktioniert Git? Merge vs. Rebase
MehrAutomatische Mustererkennung
Automatische Mustererkennung Eine Einführung Eine Präsentation von Valentin Kraft Im Modul Digitale Bildverarbeitung Prof. Vogel FH Düsseldorf WS 12/13 Gliederung Anwendungsgebiete / Definition Ziele Zentrales
MehrEmbedded Linux. Arthur Baran
Arthur Baran Inhalt Embedded System Aufbau von Embedded Linux Systemen Echtzeit Einige Beispiele Arthur Baran 2 Was ist Embedded System? klein verborgen im Gerät soll eine bestimmte Aufgabe erledigen Arthur
Mehr42. Sitzung der "Arbeitsgruppe Automation in Kartographie, Photogrammetrie und GIS" Die Bedeutung von Profilen für den Datenaustausch mittels GML
42. Sitzung der "Arbeitsgruppe Automation in Kartographie, Photogrammetrie und GIS" Die Bedeutung von Profilen für den Datenaustausch mittels GML Wien, 12.-13. September 2005 Dipl.- Geogr. Universität
MehrInternet der Dinge (Internet of Things, IoT)
Internet der Dinge (Internet of Things, IoT) 6. Thema (im Zeithorizont vier bis fünf Jahre) Detlef Krömker Institut für Informatik Sprecher des Vorstandes studiumdigitale Claudia Bremer (Moderation) (
MehrRecommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006
Recommender Systems Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006 Inhalt 1 - Einführung 2 Arten von Recommender-Systemen 3 Beispiele für RCs 4 - Recommender-Systeme und
MehrErinnerung. Arbeitsschritte der Computergraphik. Modellierung. Animation. Rendering. Ausgabemedium. Generierung
Erinnerung Arbeitsschritte der Computergraphik Modellierung Animation Generierung Ausgabemedium Graphik/-Pipeline Wandelt die Beschreibung einer Szene im dreidimensionalen Raum in eine zweidimensionale
Mehr1 C++Programmcodes. 1.1 Homogene Transformationen und Posen. 1. C++Programmcodes
1 C++Programmcodes 1.1 Homogene Transformationen und Posen Die Tab. 1-1 nennt die Header-Dateien der Programmmodule der im Script Robotik (Analyse, Modellierung und Identifikation) erörterten mathematischen
MehrDescription of version PASO MD2
Deutscher Text folgt nach dem englischen Text ----------------------------------------------------------------------- English text Description of version PASO MD2 Version 2.1.0.2 (25.11.2015) - Error with
MehrH2 1862 mm. H1 1861 mm
1747 mm 4157 mm H2 1862 mm H1 1861 mm L1 4418 mm L2 4818 mm H2 2280-2389 mm H1 1922-2020 mm L1 4972 mm L2 5339 mm H3 2670-2789 mm H2 2477-2550 mm L2 5531 mm L3 5981 mm L4 6704 mm H1 2176-2219 mm L1 5205
MehrVirtuelle Maschinen Konzept von VMWare
Virtuelle Maschinen Konzept von 11.12.2007 1 Einleitung 2 Software Virtualisierung 3 Software vs. Hardware 4 Fazit und Ausblick Motivation von Steigende Beliebtheit der x86-architektur Virtualizierung
MehrZertifizierungsprogramm Robotics
Zertifizierungsprogramm Robotics Investieren Sie in Ihre Zukunft. Setzen Sie auf Wissen und Bildung. Ein Schlüssel zum Erfolg ist die passende Ausbildung Ihrer Mitarbeiter. Die YASKAWA academy bietet Ihnen
Mehrtestxpert II - Unsere Lösung für alle Ihre Anforderungen Manfred Goblirsch Produktmanager testxpert II testxpo 2014 10.2014
Prüfen mit Verstand testxpert II - Unsere Lösung für alle Ihre Anforderungen Produktmanager testxpert II 10.2014 Anforderungs-Hürdenlauf Request hurdles 2 3 Einfachheit 25.000 Installationen weltweit Mehr
MehrSystemvoraussetzungen
[Stand: 18.03.2016 Version: 53.2] Hier erhalten Sie eine Übersicht zu den für alle Software-Produkte von ELO Digital Office GmbH. Inhalt 1 ELOprofessional Server 9... 4 1.1 Windows... 4 1.1.1 Betriebssystem...
MehrWorkshop: Einführung in die 3D-Computergrafik. Julia Tolksdorf Thies Pfeiffer Christian Fröhlich Nikita Mattar
Workshop: Einführung in die 3D-Computergrafik Julia Tolksdorf Thies Pfeiffer Christian Fröhlich Nikita Mattar 1 Organisatorisches Tagesablauf: Vormittags: Theoretische Grundlagen Nachmittags: Bearbeitung
MehrOracle Cloud Control. Seminarunterlage. Version 12.03 vom
Seminarunterlage Version: 12.03 Version 12.03 vom 1. Oktober 2013 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrAutomatische Erkennung von Objekten in 3D Millimeterwellen Bilddaten für den QPS Sicherheitsscanner
2. Fachseminar Mikrowellen- und Terahertz-Prüftechnik in der Praxis Vortrag 3 Automatische Erkennung von Objekten in 3D Millimeterwellen Bilddaten für den QPS Sicherheitsscanner Athanasios KARAMALIS 1,
MehrKurzvorstellung Messmöglichkeiten mit 4a impetus P. Reithofer, M. Rollant, A. Fertschej (4a engineering GmbH)
Kurzvorstellung Messmöglichkeiten mit 4a impetus P. Reithofer, M. Rollant, A. Fertschej (4a engineering GmbH) Workshop Kunststoffe, Filderstadt 24. September 2013 1 Inhalt Einleitung Messtechnik Software
MehrBEDIENUNGSANLEITUNG SKX OPEN. SKX Open ZN1RX SKXOPEN. Edition 1,1
BEDIENUNGSANLEITUNG SKX OPEN SKX Open ZN1RX SKXOPEN Edition 1,1 INHALT 1. Einleitung... 3 1.1. ZN1RX-SKX OPEN... 3 1.2. Applikationsprogramm: SKX Open... 3 1.3. Grundlegende Spezifikationen des SKX Open...
MehrFitting 3D Models to Images
Proseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung" Fitting 3D Models to Images WS 08/09 Gliederung Einleitung Pose Consistency perspective Camera affine/projective Camera Linearkombinationen
MehrCheck_MK. 11. Juni 2013
Check_MK 11. Juni 2013 Unsere Vision IT-Monitoring muss werden: 1. einfach 2. performant 2 / 25 Was macht IT-Monitoring? IT-Monitoring: Aktives Überwachen von Zuständen Verarbeiten von Fehlermeldungen
MehrWiederholung: Informationssicherheit Ziele
Wiederholung: Informationssicherheit Ziele Vertraulichkeit: Schutz der Information vor unberechtigtem Zugriff bei Speicherung, Verarbeitung und Übertragung Integrität: Garantie der Korrektheit (unverändert,
MehrÜbersicht. 20. Verstärkungslernen
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres Wissen und Schließen VI Lernen 18. Lernen aus Beobachtungen 19. Lernen in neuronalen & Bayes
MehrOptimierung der Code-Generierung virtualisierender Ausführungsumgebungen zur Erzielung deterministischer Ausführungszeiten
Optimierung der Code-Generierung virtualisierender Ausführungsumgebungen zur Erzielung deterministischer Ausführungszeiten Martin Däumler Matthias Werner Lehrstuhl Betriebssysteme Fakultät für Informatik
MehrDPF Dynamic Partial distance Function
DPF Dynamic Partial distance Function Vorgelegt von Sebastian Loose (MatrikelNR.: 169172), Computervisualistikstudent im 4. Semester. Hausarbeit zum Papier DPF A Perceptual Distance Function for Image
MehrStatStream : Statistical Monitoring of Thousands of Data Streams in Real Time Yunyue Zhu,Dennis Sasha. Vorgetragen von Matthias Altmann
StatStream : Statistical Monitoring of Thousands of Data Streams in Real Time Yunyue Zhu,Dennis Sasha Vorgetragen von Matthias Altmann Mehrfache Datenströme Beispiel Luft und Raumfahrttechnik: Space Shuttle
MehrOpenStreetMap eine freie Weltkarte für Hilpoltstein
OpenStreetMap eine freie Weltkarte für Hilpoltstein Peter Reinhart 6. November 2013 Andere Aber es gibt doch Google...? Quelle: http://maps.google.de/ für CC-Fassung der Präsentation verwaschen Andere
MehrAbacus Formula Compiler (AFC)
Abacus Formula Compiler (AFC) Alle kennen Excel - jetzt sogar Ihre Java- Applikation! Bringt Tabellenkalkulationen auf die JVM http://formulacompiler.org/ Peter Arrenbrecht für Abacus Research AG http://abacus.ch/
Mehrwenige Konzepte, keine Adressen, Anlehnung an C++ -Syntax Vererbung, Polymorphie/dynamisches Binden, umfangreiche Klassenbibliotheken
1 Java ist... gut erlernbar wenige Konzepte, keine Adressen, Anlehnung an C++ -Syntax objektorientiert Vererbung, Polymorphie/dynamisches Binden, umfangreiche Klassenbibliotheken robust keine Adressen,
MehrNI-TDM-Datenformat. Komfortables Arbeiten mit TDM-Dateien in LabVIEW
NI-TDM-Dateiformat NI-TDM-Datenformat Im Verlauf des gesamten Entwicklungsprozesses für ein neues Produkt werden große Mengen technischer Daten erzeugt sei es bei der Simulation bestimmter Vorgänge oder
MehrBildverarbeitung in der Qualitätskontrolle. Sebastian Zambal LEADING INNOVATIONS
Bildverarbeitung in der Qualitätskontrolle Sebastian Zambal LEADING INNOVATIONS Überblick Profactor Grundlagen Bildverarbeitung HW, SW, Methoden Inspektion Gussteilen Inspektion CFK, GFK Projekte EMVA-Studie:
MehrIntelligente Zustandsüberwachung von Kompressoren InKom Transfertag, Kreishaus Gütersloh, 18. August 2015. www.its-owl.de
Intelligente Zustandsüberwachung von Kompressoren InKom Transfertag, Kreishaus Gütersloh, 18. August 2015 www.its-owl.de Intelligente Zustandsüberwachung von Kompressoren InKom Einführung Zielsetzung Ergebnisse
MehrBestimmung von Extremniederschlägen für kleine und mittlere Einzugsgebiete in Mittelgebirgen in Echtzeit mit erhöhter Redundanz -EXTRA-
RIMAX- Statusseminar 14. 16. März 2007 Bestimmung von Extremniederschlägen für kleine und mittlere Einzugsgebiete in Mittelgebirgen in Echtzeit mit erhöhter Redundanz -EXTRA- Nadine Jatho, Nadja Petrenz
Mehr3D-Rekonstruktion von Schiffen aus kalibrierten und unkalibrierten Aufnahmen
Allgemeine Nachrichtentechnik Prof. Dr.-Ing. Udo Zölzer 3D-Rekonstruktion von Schiffen aus kalibrierten und unkalibrierten Aufnahmen Christian Ruwwe & Udo Zölzer 4. Tagung Optik und Optronik in der Wehrtechnik
MehrBildmerkmalssuche. Seminar Computational Photography. Visual Computing Department of Computer Science
Bildmerkmalssuche Seminar Computational Photography EINFÜHRUNG 2 Einführung Bildmerkmalssuche: sehr wichtiges Thema des künstlichen Sehens Erkennen von Objekten auf dem Bild oder in einer Bildsequenz anhand
MehrSuper-Resolution. Irena Kpogbezan & Moritz Brettschneider. Seminar Computational Photography
Super-Resolution Irena Kpogbezan & Moritz Brettschneider Seminar Computational Photography 1 Super-Resolution Was ist das? Vergrößerung der Auflösung von Bildern bei verbesserter Wahrnehmung von Informationen
MehrDr. Andr eas Andr Bley robots that inspire.
Dr. Andreas Bley Agenda 1 Grundidee des ProjektsCompanionAble 2 Aufbau des Roboters 3 Video 4 Ausblick und Zusammenfassung 2 Abschluss Workshop WiMiCare, 15.9.2011 CompanionAble kombiniert soziale Assistenzrobotik
MehrVortrag zum Hauptseminar Hardware/Software Co-Design
Fakultät Informatik Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Vortrag zum Hauptseminar Hardware/Software Co-Design Robert Mißbach Dresden, 02.07.2008
MehrVariabilitätsmodellierung in Softwareproduktlinien
Variabilitätsmodellierung in Softwareproduktlinien Universität Siegen Siegen, den 16. Februar 2015 1 Variabilität Definition Variabilität Variationspunkt Variante Arten von Variabilität Interne vs Externe
MehrData Mining und maschinelles Lernen
Data Mining und maschinelles Lernen Einführung und Anwendung mit WEKA Caren Brinckmann 16. August 2000 http://www.coli.uni-sb.de/~cabr/vortraege/ml.pdf http://www.cs.waikato.ac.nz/ml/weka/ Inhalt Einführung:
Mehr