Zum Hauptinhalt springen

Reading Group der SF & EC Forschungsgruppe

Unregelmäßig, meist am ersten Mittwoch eines Monats, um 16:00 Uhr findet die Reading Group der Smart Factory & Edge Computing Forschungsgruppe statt.

Die Reading Group hat den Charakter eines einstündigen Fachseminars mit Vorträgen in einer Länge zwischen 30 und 45 Minuten und anschließender Diskussion. In freundlicher Atmosphäre und unter weitestgehender Themenfreiheit werden etwa wissenschaftliche oder technologische Überblicksvorträge, die Aufbereitung einer Forschungsfrage oder Forschungsergebnisse präsentiert und diskutiert. Wir freuen uns außerdem regelmäßig externe Gastvortragende und Gasthörer begrüßen zu dürfen.

Die Vorträge finden während der COVID-19 Pandemie online statt und je nach Interesse werden wir diese vielleicht auch weiterhin für externe Teilnehmer anbieten.

Organisatorische Fragen, Anmeldungen zu Vorträgen oder Vortragsvorschläge bitte an Stefan Huber richten.

 

Programm kommender Vorträge


MI 3. Feb 2021, 16:00, Teams (Click here to join the meeting)
Friedemann Groh (ISG Stuttgart)

Lösungsverfahren algebraischer Systeme

In CAD-Systemen werden geometrische Formen durch rationale Funktionen definiert. Somit lassen sich Schnittkurven oder Abstände als Lösungen algebraischer Systemen auffassen. Für diesen Gleichungstyp gibt es vielversprechende Verfahren, bei denen sämtliche Nullstellen in einem Schritt über Eigenwert-Probleme berechnet werden. Trotzdem scheint dieser Ansatz in der Technik noch nicht weit verbreitet zu sein. Möglicherweise liegt die Ursache darin, dass die in Zwischenschritten nötige Polynomdivision oft sehr umfangreiche Ergebnisse liefert. In diesem Vortrag wird ein Verfahren vorgestellt, welches diese kritische Operation bei symbo­lischen Umformungen vermeidet. Die Matrix des assoziierten Eigenwert-Problems wird hier im letzten Schritt numerisch bestimmt, nachdem man die Parameter des konkreten Problems als Gleitkommazahlen eingesetzt hat.

Diese Methode funktioniert für Systeme deren Koeffizienten keine Funktionen sind, so dass die enthaltenen Polynome durch die Exponenten ihrer Terme definiert werden. Jene bilden Punkte in einem Gitter ganzer Zahlen, deren konvexe Hülle, das Newton-Polytop, den Algo­rithmus steuert. Das Verfahren wird aus Anwendersicht an zwei Beispielen erläutert: Der Berechnung impliziter Funktionen gewölbter Flächen in CAD, sowie deren Schnittkurven, zur Definition von Werkzeugspuren. Außerdem wird ein System zur Kalibrierung der Lage einer Kamera besprochen.


MI 3. Mär 2021, 16:00, Teams (Click here to join the meeting)
Dominik Hofer

State of the art in Natural Language Processing

Natural Language Processing (NLP) ist jenes wissenschaftliche Gebiet, dessen Ziel es ist, Computern, menschliche Sprache, verstehen zu lassen. Um dieses Ziel zu erreichen, gibt es verschiedene Herangehensweisen, die sowohl linguistische und statistische Aspekte, sowie auch Bereiche des Repräsentationslernen, verwenden. Beispiele dafür wären z.B.: Wortvergleiche, Wortvektoren und Recursive Neural Networks für Sentimentanalysen. Weiters spielt NLP auch für den Bereich der Robotik, vor allem für Human Robot Interaction, eine wesentliche Rolle. Hier ist das Zusammenspiel von Semantik und Umgebungsvariablen von Relevanz. In diesem Vortrag wird ein Überblick über die zentralen Aspekte von NLP, theoretischen Hintergründe in der Linguistik, aktuelle Forschungsgebiete und die Integration mit Robotern, gegeben. Der Beitrag wird mit der Veranschaulichung von Beispielen beendet, die mögliche Anwendungsszenarien vermitteln sollen.

    MI 7. Apr 2021, 16:00, Raum tbd
    Manfred Schlägl (Ginzinger electronic systems)

    Ginzinger Embedded Linux – Langlebige Embedded Linux Systeme in Industrie und Medizin (vorläufig)

     


      MI 5. Mai 2021, 16:00, Raum tbd
      Hannes Wclawek

      Optimizing cam profiles (vorläufig)

       


        MI 2. Jun 2021, 16:00, Raum tbd
        tbd


        MI 7 Jul 2021, 16:00, Raum tbd
        tbd


        Vergangene Vorträge


        MI 20. Jan 2021, 16:00
        Dominik Hofer

        Robot Operating System: Grundlagen & Anwendungsgebiete

        Das Robot Operating System (ROS) ist eine Middleware zur Roboterprogrammierung. Um Ansprüchen der Wissenschaft und Industrie zu entsprechen, stellt ROS eine verteilte Architektur bereit, die im hohen Maße flexibel und modular ist. Diese Charakteristika ergeben sich mitunter aus der großen Vielfalt von Robotern, die durch ROS adressiert werden. Beispiele dafür wären klassische Industrieroboter, mobile Roboter im Katastrophenschutz, oder auch anthropomorphe Hände. Weiters setzt ROS auf viele vorhandene Softwarelösungen auf, die es zu integrieren gilt. In diesem Vortrag wird ein Überblick über die zentralen Architekturkonzepte von ROS, etwa das Kommunikationskonzept zwischen den Komponenten, die begleitenden Werkzeuge von ROS und Unterschiede zwischen ROS 1 und 2 gegeben. Der Beitrag wird mit der Veranschaulichung von Beispielen beendet, die mögliche Anwendungsszenarien vermitteln sollen.


        MI 16. Dez 2020, 16:00
        Regina Schönherr

        Ein Framework für mobile Robotik

        Die Anforderungen an mobile Roboter sind vielseitig und umfassen etwa die Kartierung der Umgebung oder die Lokalisierung, Pfadplanung und Kollisionserkennung des Roboters in dieser Umgebung. Zu den genannten Problemen wurden in den letzten Jahrzehnten zahlreiche Algorithmen veröffentlicht. Offen bleibt jedoch, wie die einzelnen Lösungen für die einzelnen Problemstellungen sich zu einer Gesamtlösung, einem Framework zusammenfinden. Existierende Lösungen sind auf einen konkreten Anwendungsfall zugeschnitten, allgemeingültige Gesamtkonzepte sind bisher nicht realisiert.

        Im Zuge der Masterarbeit und dem Projekt InnoDent wurde ein Framework entwickelt, dass die genannten Problemstellungen organisiert. Das Framework ist modular aufgebaut und wir werden seine einzelnen Komponenten vorstellen. Ein auf ROS basierender Roboter wird in der Physiksimulation Gazbo integriert. Die generierten Sensordaten des Roboters in seiner Umgebung werden in Matlab mit ausgewählten Algorithmen verarbeitet und steuern den Roboter.


        MI 4. Nov 2020, 16:00
        Joachim Weissbacher (B&R Industrial Automation)

        Modellbasierte Regelung zur Verbesserung der Dynamik einer Servo-Antriebsachse

        Eine Servo-Antriebsachse ist typischerweise eine Kombination aus einem permanentmagneterregten Synchronmotor und einem elektrischen Verstärker. Mit dieser Konstellation kann erreicht werden, dass Positionieraufgaben hochdynamisch ausgeführt werden können. Ganz wesentlich dabei ist ein Sensor (Lagegeber), welcher die aktuelle Position des Motors liefert und die Grundlage für die Regelung bildet. Aus Kostengründen wird aber gerne ein Geber mit geringer Auflösung gewählt welcher den Nachteil mit sich bringt, dass die erzielbare Dynamik bei weitem nicht ausgeschöpft werden kann. Mit Hilfe von modellbasierten Ansätzen kann dieser Nachteil großteils wieder kompensiert werden.


        MI 7. Okt 2020, 16:00
        Georg Schäfer

        Reinforcement Learning in der Robotik

        Reinforcement Learning bietet der Robotik ein Framework und eine Reihe von Werkzeugen, um schwer konstruierbares Verhalten zu entwerfen. Im Gegenzug inspirieren, beeinflussen und überprüfen die Herausforderungen in der Robotik die Entwicklung von Reinforcement Learning Ansätze. In dieser Reading Group werden auf die Ergebnisse, Probleme und Herausforderungen von Veröffentlichungen eingegangen, welche sich für die Generierung von Verhalten in der Robotik mit Reinforcement Learning Methoden befassen. Es werden die wesentlichen Herausforderungen beleuchtet und beachtenswerte Erfolge dargelegt. Es wird gezeigt, durch welche wissenschaftlichen Errungenschaften die Komplexität in dieser Domäne verringert wird und wie Algorithmen, Repräsentationen und Vorwissen dies begünstigt.


        DI 15. Sep 2020, 16:00
        Simon Hoher

        Unterschiedliche Ansätze zur Rückwärtstransformation von seriellen 6-Achs-Kinematiken

        Die Rückwärtstransformation einer Roboterkinematik transformiert die Pose (Position und Orientierung) des Endeffektors zurück zu den Gelenkwinkel der Armelemente des Roboters bzw. derer Antriebsachsen. Sie spielt daher eine wichtige Rolle bei der Bewegungssteuerung von Industrierobotern. Neben mathematischen Lösbarkeitsfragen per se stellen sich aber auch Fragen hinsichtlich der numerischen Echtzeitberechnung.

        Ziel des Vortrags ist es, unterschiedliche Ansätze zur Rückwärtstransformation von seriellen 6-Achs-Roboterkinematiken aufzuzeigen und im Kontext der Echtzeitbewegungssteuerung zu bewerten. Dazu wird die folgende Forschungsfrage gestellt: Inwiefern beeinflusst der Ansatz zur Rückwärtstransformation die numerischen Berechnungseigenschaften? Es werden hierzu geometrische, algebraische und numerische Lösungsansätze analysiert und bezüglich ihrer numerischen Robustheit, Genauigkeit, Berechnungsdauer und Determinismus bewertet. Auf dieser Grundlage zeigt sich nun, dass die Auswahl des Lösungsansatzes zur Rückwärtstransformation einen erheblichen Einfluss auf die industrielle Umsetzung einer Bewegungssteuerung von Roboterkinematiken hat.