Volltext-Downloads (blau) und Frontdoor-Views (grau)
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 1 of 7
Back to Result List

KI-Ansätze bei der Entwicklung lernender Roboter – Implementierungsmöglichkeiten und Grenzen

  • In diesem Vortrag werde ich auf die Programmierumgebungen (ROS) und Schnittstellen (keras/Tensorflow) eingehen, die es ermöglichen Roboter mit Hilfe von maschinellem Lernen zu trainieren. Dabei werde ich insbesondere die Möglichkeiten vorstellen, wie man einen Roboter in der Simulation (gazebo) trainieren kann, um die trainierten Modelle auf echte Roboter zu übertragen. Anhand von praktischen Beispielen mit mobilen Robotern und Greifarmen werden die Konzepte des Reinforcement Learnings, Active Learnings, Transfer Learnings und der Objekterkennung demonstriert. Das Testszenario besteht aus einem Holz-Labyrinth und einem Turtlebot Roboter, der mit Laser Range Scanner und einer 2D-Kamera ausgestattet ist. Dabei soll der Roboter lernen, autonom den Weg zur angegebenen Zielposition zu planen ohne dabei gegen ein Hindernis zu fahren. Es wird hierbei untersucht in wie weit die trainierten Modelle in leicht abgeänderten Szenarien funktionsfähig bleiben.

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Maja Temerinac-Ott
URN:https://urn:nbn:de:bsz:fn1-opus4-90102
DOI:https://doi.org/10.5445/KSP/1000151141
ISBN:978-3-7315-1239-4
Parent Title (German):Proceedings 32. Workshop Computational Intelligence, 1. - 2. Dezember 2022, Berlin
Publisher:KIT Scientific Publishing
Place of publication:Karlsruhe
Document Type:Conference Proceeding
Language:German
Year of Completion:2022
Release Date:2023/01/12
First Page:151
Last Page:162
Open-Access-Status: Open Access 
Licence (German):License LogoCreative Commons - CC BY-SA - Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International