skip to main contentskip to main menuskip to footer Universität Bielefeld Play Search

Forschung

AG Cognitive Systems Engineering

Roboter
© Universität Bielefeld

Forschung

Die Mission der AG CSE ist die Verbesserung des Entwicklungsprozesses für flexible und menschzentrierte Robotik- und Assistenzsysteme. Die folgenden Videos illustrieren einige unsere Ansätze und Forschungsarbeiten.


Effizientes Lernen von Montageprozessen

Switch to main content of the section
Zur Projekt Website

Im Rahmen des vom BMBF geförderten Verbundprojektes ITS.ML geht es um den Einsatz maschineller Lernverfahren für Intelligente Technische Systeme der nächsten Generation. Es sollen Methoden und Werkzeuge des Maschinellen Lernens (ML) entwickelt, umgesetzt und erprobt werden, die einen Einsatz aktueller ML Technologie insbesondere in regionalen kleinen und mittleren Unternehmen ermöglichen. Ein praktisches Beispiel aus dem Projekt ist eine Methodik zur Nutzung von Vorwissen in Kombination mit Reinforcement Learning für die automatisierte Montage komplexer Bauteile. Durch die Nutzung des modellbasiert vorliegenden Vorwissens werden die Aufwände für den Einsatz der Lernverfahren reduziert und eine effiziente Anpassung an neue Montage- oder Demontageaufgaben unterstützt.

Anwendungsgebiete

  • Robotik und Automatisierung

Interaktive Layoutplanung für Roboterzellen

Im Rahmen des Innovationsprojekts FlexIMiR wurde am CoR-Lab eine Methode für eine iterative Layoutplanung für modulare Roboterzellen entwickelt. Kollaborative Roboter werden von uns als ein Schlüsselelement für eine flexible Produktion in einer modernen Produktionsumgebung angesehen. Die effiziente Programmierung dieser Roboter in nicht-trivialen Anwendungsfällen stellt allerdings immer noch eine Herausforderung dar und hängt stark von der Erfahrung der involvierten Mitarbeiter*innen ab. Aus diesem Grund stellen wir in diesem Beispiel einen unterstützten Ansatz zur interaktiven Einrichtung von Roboterzellen vor, um Anwendungen mit kollaborativen Robotern in flexiblen Produktionssystemen effizient zu planen und in Betrieb zu nehmen. Die gezeigten Methoden lassen sich sehr einfach auf andere Anwendungsfälle übertragen, in denen automatisierte Bahnplanung und die Bewertung der Anordnung von Automatisierungskomponenten relevante Aspekte darstellen.

Anwendungsgebiete

  • Robotik und Automatisierung

back to top