Index

Motivation

Mobilitätseinschränkungen haben weitreichende Folgen für den Alltag der Betroffenen und führen neben der körperlichen Einschränkung häufig auch zu psychischen Belastungen. Der Rollstuhl stellt oft die einzige Möglichkeit dar, am täglichen Leben teilzunehmen. Klassische Steuerungskonzepte stoßen jedoch bei komplexen Krankheitsbildern (z.B. hohen Querschnittlähmungen) an ihre Grenzen, da die verbleibenden Muskelaktivitäten oft nicht ausreichen, um einen Joystick präzise zu führen.

Das Projekt EMGRoll adressiert dieses Problem durch ein Sensor-Kit, das Elektromyographie (EMG) zur Steuerung nutzt. Während klassische Ansätze oft auf starren Regeln basieren, bietet die moderne Robotik mit Methoden des Reinforcement Learning (RL) und Imitation Learning neue Möglichkeiten. Ziel ist es, nicht mehr manuell Regeln für jede Situation zu programmieren, sondern ein multimodales KI-Modell zu trainieren. Dieses soll in der Lage sein, die verrauschten und hoch-individuellen EMG-Signale des Nutzers direkt mit den Umgebungsdaten (z.B. Lidar/Kamera) zu fusionieren. So entsteht eine adaptive “Shared Autonomy”, die die Intention des Nutzers versteht und intelligent in sichere Fahrbefehle umsetzt.

Zielstellung

Ziel dieser Arbeit ist die Konzeption, Implementierung und Evaluation eines Deep-Learning-basierten Navigationsansatzes, der EMG-Signale und Sensordaten in einem gemeinsamen neuronalen Netz verarbeitet.

Die Arbeit beinhaltet folgende Schwerpunkte:

• Recherche: Evaluation des aktuellen Stands der Technik im Bereich Deep Reinforcement Learning (DRL) und Learning from Demonstration (LfD) für assistive Robotik.
• Konzeption: Entwurf einer multimodalen Netzwerkarchitektur, die physiologische Signale (EMG) und exterozeptive Sensordaten (Lidar/Kamera) als Input verarbeitet.
• Implementierung: Entwicklung der Trainingsumgebung (z.B. in Simulationen wie Gazebo, Unity oder Isaac Sim) und Umsetzung des Agenten in ROS2.
• Training & Evaluation: Training des Modells mittels RL oder Imitation Learning und Validierung der Performance im Vergleich zu klassischen Ansätzen.
• Transfer: (Optional/Je nach Umfang) Sim-to-Real Transfer auf den realen Rollstuhl-Demonstrator am FAPS.

Weitere Infos auf Anfrage. Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf.

References

• Reinforcement Learning Based User-Specific Shared Control Navigation in Crowds
• Learning from demonstration for locally assistive mobility aids
• Learning Shared Control by Demonstration for Personalized Wheelchair Assistance
• Shared control of a brain-actuated intelligent wheelchair
• Shared control methodology based on head positioning and vector fields for people with quadriplegia

Motivation

Für Menschen mit schweren körperlichen Einschränkungen ist die Bedienung eines konventionellen Joysticks oft unmöglich. Das Projekt EMGRoll entwickelt daher eine Schnittstelle, die Muskelaktivitäten (EMG) in Steuerbefehle übersetzt. Ein kritischer Faktor für den Erfolg dieser Technologie ist das Training der Nutzer: Sie müssen lernen, spezifische Muskelgruppen isoliert anzuspannen, um den Rollstuhl präzise zu lenken.

Aktuell erfolgt dieses Feedback über einfache 2D-Animationen auf einem Bildschirm. Dieser Ansatz ist jedoch abstrakt und bildet die reale Fahraufgabe nur unzureichend ab. Im Rahmen dieser Arbeit soll daher ein Virtual Reality (VR) Trainingsprozedere entwickelt werden. Durch den Einsatz eines “Digitalen Zwillings” in einer simulierten Umgebung (Unity) können KI Modelle trainiert werden und Nutzer gefahrlos üben. Die VR-Umgebung dient dabei nicht nur der Visualisierung, sondern als direkte Stimulanz für die EMG-Datenaufnahme: Statt abstrakter Kurven sieht der Nutzer, wie sich seine Muskelanspannung direkt in die Bewegung des virtuellen Rollstuhls übersetzt. Dies erhöht die Immersion, die Motivation (Gamification) und verbessert potenziell die Klassifikationsgenauigkeit der Algorithmen.

Zielstellung

Ziel dieser Arbeit ist die Konzeption und Implementierung einer VR-basierten Trainingsumgebung, die als intuitives Interface zur Aufnahme von EMG-Kalibrierungsdaten und zum Erlernen der Steuerung dient.

Die Arbeit umfasst folgende Schwerpunkte:

• Konzeption: Entwurf eines Trainingsablaufs, der den Nutzer schrittweise an die EMG-Steuerung heranführt (vom einfachen Muskeltest bis zur komplexen Fahrsituation).
• Entwicklung (Unity): Aufbau einer virtuellen Umgebung und Integration eines “Digitalen Zwillings” des Rollstuhls basierend auf Vorarbeiten.
• Schnittstellenanbindung: Kopplung der EMG-Signalverarbeitung (live) mit der VR-Simulation, sodass der virtuelle Rollstuhl in Echtzeit gesteuert werden kann.
• Szenarienerstellung: Design virtueller Alltagsszenarien (z.B. Parcours, Engstellen), die zur Evaluation der Steuergüte dienen.
• Evaluation: Durchführung einer Probandenstudie zur Bewertung der Usability und des Lerneffekts im Vergleich zur bisherigen 2D-Animation.

Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf.

References

– Reinforcement Learning Based User-Specific Shared Control Navigation in Crowds
– A rule-based assistive control algorithm for safe navigation for a powered wheelchair
– Learning Shared Control by Demonstration for Personalized Wheelchair Assistance
– Shared control methodology based on head positioning and vector fields for people with quadriplegia

Motivation

Die autonome Navigation mobiler Roboter in menschlichen Umgebungen stellt eine große Herausforderung dar. Klassische Navigationsalgorithmen (wie DWA oder A*) behandeln Menschen oft nur als dynamische Hindernisse, was zu „unhöflichem“ oder für den Nutzer unangenehmem Fahrverhalten führt. Ein intelligenter Rollstuhl muss jedoch mehr können, als nur kollisionsfrei von A nach B zu fahren: Er muss soziale Normen verstehen und sich kontextabhängig verhalten (z. B. nicht durch eine Gruppe von Menschen hindurchfahren, Vorfahrt gewähren oder auf dem Gehweg die richtige Seite wählen).

Neueste Ansätze zeigen, dass Large Foundation Models und Vision-Language Models (VLMs) über ein tiefes Verständnis menschlicher Verhaltensweisen verfügen. Diese Modelle können visuelle Szenen interpretieren und „Zero-Shot“-Entscheidungen für eine sozial konforme Navigation treffen, ohne dass dafür aufwendiges Training notwendig ist. Am FAPS wird ein intelligenter Rollstuhl entwickelt, der nun mit diesen Fähigkeiten ausgestattet werden soll. Ziel ist es, Foundation Models zu nutzen, um die Umgebung semantisch zu erfassen und Navigationspfade zu generieren oder zu bewerten, die sozial akzeptabel und für den Patienten komfortabel sind.

Inspiration liefern unter anderem folgende aktuelle Veröffentlichungen:

– VLM-Social-Nav: Socially Aware Robot Navigation Through Scoring Using Vision-Language Models
– CoNVOI: Context-aware Navigation using Vision Language Models in Outdoor and Indoor Environments
– Navigation World Models

Zielsetzung

In dieser Arbeit soll ein Ansatz entwickelt werden, der ein Foundation Model (VLM) in den Navigations-Stack des intelligenten Rollstuhls integriert. Das System soll Kamerabilder auswerten, um soziale Kontexte zu erkennen. Darauf basierend soll der Rollstuhl seine Trajektorie anpassen – entweder durch die Generierung von Wegpunkten oder durch das „Scoring“ (Bewerten) von Pfaden hinsichtlich ihrer sozialen Konformität.

Arbeitsschritte

• Einarbeitung in die bestehende ROS-Navigation des intelligenten Rollstuhls sowie in den Stand der Technik zu Social Navigation und Foundation Models
• .Auswahl und Integration eines geeigneten Modells (z. B. GPT-4o, Gemini, LLaVA oder spezialisierte Modelle wie CoNVOI/NWM)
• Entwicklung eines Moduls zur semantischen Szenenanalyse: Erkennung von sozialen Situationen und Ableitung von Verhaltensregeln
• Implementierung einer Schnittstelle zur Bewegungsplanung: Das VLM soll als „High-Level Planner“ oder „Scorer“ fungieren, um den lokalen Planer (z. B. DWA/MPC) zu beeinflussen
• Evaluation des Systems in Simulation oder Realumgebung: Vergleich des Fahrverhaltens mit klassischen Methoden hinsichtlich Komfort, Sicherheit und Einhaltung sozialer Normen

Bewerbung bitte per E-Mail mit kurzer Notenübersicht und Lebenslauf.

Um medizintechnische Systeme für die Behandlung von Lungenerkrankungen sicher zu entwickeln und zu testen, werden Lungenphantome benötigt, die das Verhalten des menschlichen Organs im Labor nachbilden. Gerade für die Neonatologie, in der die Lunge besonders empfindlich auf Druckveränderungen reagiert, ist ein solches Phantom unverzichtbar. Die Funktionsweise und Belastbarkeit medizinischer Apparate zur mechanischen Beatmung und automatisierten Sekretentfernung – wie sie im Projekt SMART-NEO erforscht werden – kann zunächst nur an Phantomen untersucht und optimiert werden, bevor sie am Patienten eingesetzt werden dürfen. Solche Phantome ermöglichen es, mechanische Belastungen realistisch zu simulieren und die Wirksamkeit wie auch die Sicherheit neuer Verfahren unter kontrollierten Laborbedingungen zu überprüfen.

Die Fertigung eines realistischen Lungenphantoms stellt fachübergreifend eine Herausforderung dar. Die Herstellung erfordert eine gezielte Auswahl von Materialien und Fertigungsprozessen, die die elastischen und mechanischen Eigenschaften von Lungengewebe möglichst genau abbilden. Zudem müssen die Einzelkomponenten, wie Lappen oder Bronchialsegmente, in ihrer geometrischen und strukturellen Zusammensetzung mit der Dynamik biologischer Organe vergleichbar sein. Die hohe Varianz der Gewebeeigenschaften und die Notwendigkeit, physiologische Bewegungen wie Ausdehnung und Zusammenziehen im Beatmungsprozess zu reproduzieren, machen die Entwicklung eines Phantoms besonders anspruchsvoll.

Im Rahmen dieser Arbeit wird ein Phantom der menschlichen Lunge unter Nutzung additiver Fertigungsverfahren aufgebaut und erprobt. Die einzelnen Segmente der Lunge werden konstruiert und gefügt, um das mechanische Verhalten bei Unterdruck und Beatmung experimentell zu untersuchen. Mithilfe von zu definierenden Materialparametern und Geometrien sollen gezielt Druck- und Volumenverläufe simuliert und deren Einfluss auf die mechanische Belastung analysiert werden. Optional wird das Testsystem mit Sensorik zur Messung von Druck- und Volumenänderungen ausgestattet, um die Analyse der Strukturreaktionen zu unterstützen. Die angestrebten Ergebnisse bilden eine experimentelle Grundlage für die Bewertung und Weiterentwicklung automatisierter Absaugsysteme.

Aufgaben

• Konstruktion und Aufbau eines Lungenphantoms:
  Entwurf und Fertigung der Lungenlappen und Atemwegsstrukturen mithilfe additiver Fertigungsverfahren oder geeigneter weicher Materialien.
• Experimentelle Untersuchung des Verhaltens unter Druckbelastung:
  Test des Phantoms bei Unterdruck und Beatmung, um Ausdehnung, Verformung und mechanische Belastungen realistisch zu erfassen.
• Analyse der Material- und Strukturparameter:
  Variation von Materialeigenschaften und Geometrien, optional Einsatz von Sensoren zur Messung von Druck- und Volumenänderungen.

Voraussetzungen

• Grundkenntnisse in Werkstoffkunde oder mechanischem Verhalten weicher Materialien:
  Verständnis für Elastizität, Dehnung und Materialreaktionen.
• Interesse an experimenteller Laborarbeit:
  Bereitschaft, praktisch zu arbeiten, Messaufbauten zu nutzen und Prototypen zu testen.
• Neugier für medizinische Technik und Neonatologie:
  Motivation, die besonderen Anforderungen empfindlicher Lungenstrukturen und klinischer Anwendungen zu verstehen.

 

Hinweise und Bewerbung

Die Bearbeitung ist ab sofort möglich.

Bitte senden Sie Ihre Unterlagen (CV, Notenbescheinigung) per E-Mail an die untenstehenden Kontaktpersonen.

Die sichere Anwendung technischer Verfahren in der Neonatologie, insbesondere bei der mechanischen Beatmung und Absaugung, setzt ein grundlegendes Verständnis der Lungenmechanik voraus. Die Lunge besteht aus einem verzweigten Netzwerk von Luftwegen und elastischem Gewebe, deren Zusammenspiel das Verhalten des Organs bei wechselnden Druckverhältnissen unmittelbar beeinflusst. Im Projekt SMART-NEO steht die Entwicklung eines Systems zur schonenden, automatisierten Sekretentfernung im Fokus. Zur fundierten Bewertung solcher Systeme wird ein physikalisches Modell benötigt, das die Zusammenhänge zwischen Druckeinwirkung, Volumenänderung und Gewebeanspannung abbildet.

Die Modellierung der Lunge stellt eine besondere Herausforderung dar, da sowohl die Struktur als auch die mechanischen Eigenschaften des Organs hochgradig komplex sind. Die Vielzahl an Parametern und Wechselwirkungen erschwert es, das Verhalten präzise und gleichzeitig überschaubar zu beschreiben. Daher muss zunächst ein vereinfachtes Modell entwickelt werden, das zentrale mechanische Grundprinzipien abbildet und als strukturierte Grundlage für weitergehende, umfassende Simulationen dient.

Im Rahmen dieser Arbeit wird ein vereinfachtes Lungenmodell in Ansys erstellt und simuliert. Ausgangspunkt sind anatomisch inspirierte Grundgeometrien wie idealisierte Lungenlappen, die als Finite-Elemente-Modell die elastischen Eigenschaften des Gewebes erfassen. Das Modell wird dahingehend untersucht, wie sich das Deformationsverhalten unter verschiedenen Unterdruck- und Überdruckprofilen verhält, wie sie typischerweise bei Beatmung oder Absaugung auftreten. Durch Variation von Parametern wie Materialsteifigkeit, Wanddicke und Randbedingungen wird der Einfluss auf das Gesamtverhalten systematisch analysiert. Ziel ist, einen geeigneten Modellaufbau und Parameterraum zu identifizieren, der als Ausgangspunkt für weiterführende Untersuchungen dienen kann. Die Arbeit schafft damit die Basis für die Entwicklung sicherer, automatisierter Absaugsysteme.

Aufgaben

• Erstellung eines vereinfachten 3D-Lungenmodells in Ansys:
  Aufbau idealisierter Lungenlappen direkt in Ansys und Vorbereitung des Finite-Elemente-Modells.
• Simulation verschiedener Druckprofile:
  Untersuchung der Verformung bei Unterdruck und Überdruck, wie sie bei Beatmung und Absaugung auftreten.
• Analyse des Einflusses von Material- und Randparametern:
  Variation von Steifigkeit, Wanddicke und Randbedingungen, um deren Einfluss auf das mechanische Verhalten zu verstehen.

Voraussetzungen

• Grundkenntnisse in technischer Mechanik:
  Verständnis von Spannung, Dehnung und elastischem Verhalten.
• Erste Erfahrung mit Simulationssoftware:
  Hilfreich, aber nicht zwingend: Grundlagen in Ansys oder einem ähnlichen FEM-Tool.
• Interesse an medizinischer Technik:
  Bereitschaft, sich mit Lungenmechanik und der Anwendung in der Neonatologie zu beschäftigen.

 

Hinweise und Bewerbung

Die Bearbeitung ist ab sofort möglich.

Bitte senden Sie Ihre Unterlagen (CV, Notenbescheinigung) per E-Mail an die untenstehenden Kontaktpersonen.

Für die Analyse von Erkrankungen und die Planung medizinischer Maßnahmen in der Lungenmedizin sind digitale 3-D-Modelle der menschlichen Lunge unverzichtbar. Bildgebende Verfahren wie Computertomographie (CT) und Magnetresonanztomographie (MRT) liefern detaillierte Aufnahmen, aus denen sich anatomische Strukturen und geometrische Besonderheiten des Organs ableiten lassen. Werden diese Bilddaten in präzise digitale Modelle umgesetzt, eröffnen sich neue Möglichkeiten für simulationsgestützte Analysen – etwa zur Untersuchung von Krankheitsprozessen, zur individualisierten Therapieplanung oder als Grundlage für die Entwicklung und Erprobung medizintechnischer Systeme. Solche Modelle sind außerdem essenziell für die Konstruktion experimenteller Testkörper, die in Forschung und Entwicklung genutzt werden.

Die Überführung medizinischer Bilddaten in ein simulationsfähiges digitales Lungenmodell ist technisch anspruchsvoll. Die Daten müssen präzise segmentiert und geometrisch so aufbereitet werden, dass alle relevanten Strukturen – beispielsweise Lungenlappen und Bronchialsystem – für die Finite-Elemente-Simulation eindeutig modelliert werden können. Verschiedene Auflösungen und Bildqualitäten sowie individuelle anatomische Unterschiede führen zu zusätzlichen Herausforderungen bei der Datenverarbeitung und Modellkonstruktion.

In dieser Arbeit werden CT- oder MRT-Datensätze mit geeigneter Segmentierungssoftware (z. B. 3D Slicer, Mimics) verarbeitet, um ein detailliertes 3-D-Modell der menschlichen Lunge zu erstellen. Dieses Modell wird gezielt für die numerische Simulation in Ansys vorbereitet, sodass mechanische Eigenschaften und Druckverhältnisse unter variablen Bedingungen untersucht werden können. Ziel ist ein reproduzierbarer Workflow, der die patientenspezifische Erzeugung und Simulation von Lungenmodellen ermöglicht und als Basis für medizinisch-technische Analysen und Weiterentwicklungen dient.

Aufgaben

• Segmentierung von CT- oder MRT-Daten:
  Isolierung der Lungenstrukturen mit Software wie 3D Slicer oder Mimics.
• Erstellung eines vollständigen 3D-Lungenmodells:
  Rekonstruktion der Lungenlappen und Atemwege und Vorbereitung für die Simulation.
• Aufbau eines klar dokumentierten Workflows:
  Schritt für Schritt festhalten, wie patientenspezifische Modelle zuverlässig erzeugt werden können.

Voraussetzungen

• Interesse an medizinischer Bildverarbeitung:
  Neugier für CT/MRT-Daten und deren Analyse.
• Interesse an 3D-Modellierung und digitalen Werkzeugen:
  Bereitschaft, Segmentierungssoftware und Modellierungsabläufe zu erlernen.
• Interesse an medizinisch-technischen Fragestellungen:
  Motivation, anatomische Strukturen zu verstehen und digitale Modelle für Simulationen zu nutzen.

 

Hinweise und Bewerbung

Die Bearbeitung ist ab sofort möglich.

Bitte senden Sie Ihre Unterlagen (CV, Notenbescheinigung) per E-Mail an die untenstehenden Kontaktpersonen.

Im Rahmen eines Forschungsprojekts zur Digitalisierung der Prothesenversorgung wird ein System entwickelt, das haptische Gewebedaten mittels Ultraschall-Elastographie erfasst und in ein dreidimensionales Modell überführt. Zusätzlich sollen Oberflächenscandaten aufgenommen und mit den Ultraschalldaten entweder manuell oder automatisiert zusammengeführt werden, um ein vollständiges räumliches Abbild zu erhalten.

Ziel der Arbeit ist die prototypische Umsetzung eines Systems, das Ultraschalldaten und Oberflächenscandaten in 3D visualisiert, miteinander kombiniert und Interaktionen wie Drehen, Skalieren, Clipping sowie Annotation ermöglicht. Dabei sollen verschiedene Implementierungsmöglichkeiten evaluiert und die Performance für große Datensätze optimiert werden.

Inhalte:

• Einarbeitung in 3D-Visualisierungstechniken und geeignete Frameworks (z. B. OpenGL, Three.js, VTK, Unity, PyVista)
• Implementierung von Benutzerinteraktionen: Rotation, Skalierung, Clipping, Annotation
• Laden, Speichern und Verarbeiten von Punktwolkenformaten und Oberflächenscandaten (z. B. .PLY, .STL, …)
• Fusion von Ultraschall- und Oberflächendaten (manuell oder automatisiert)
• Optimierung der Performance für große Datensätze
• Optional: Aufbau von Bindings oder Schnittstellen zu Python für weiterführende Analysen
• Dokumentation von Herausforderungen, Grenzen und Optimierungsmöglichkeiten

Voraussetzungen:

• Interesse an Computergrafik, 3D-Visualisierung, Sensorfusion und Medizintechnik
• Programmierkenntnisse in Python und C++
• Erfahrung mit 3D-Frameworks oder Visualisierungslibraries von Vorteil
• Strukturierte und selbstständige Arbeitsweise

Bewerbung: Interessierte Studierende senden ihre Bewerbung mit aktueller Notenübersicht und Lebenslauf per E-Mail.

Beginn: ab sofort

Sowohl im Maschinenbau als auch in der Medizintechnik finden Silikonbauteile aufgrund ihrer besonderen Materialeigenschaften, wie Temperaturstabilität, Biokompatibilität und Flexibilität, breite Anwendung. Zur individualisierten Herstellung von Silikonbauteilen werden bisher hauptsächlich aufwendige indirekte Gussverfahren genutzt. Neuartige additive Verfahren, der direkte Silikondruck, besitzen das Potenzial, die Fertigung zu vereinfachen, komplexe Geometrien zu ermöglichen und eine wirtschaftliche Produktion ab Losgröße eins umzusetzen. Am Lehrstuhl FAPS werden die innovativen Verfahren Direct Ink Writing (DIW) und Liquid Additive Manufacturing (LAM) für die Herstellung von Silikonbauteilen eingesetzt und erforscht.

Im Rahmen dieser studentischen Arbeit wird das Vernetzungsverhalten von 2K Silikonkautschuk charakterisiert, analysiert und modelliert. Dafür werden DSC- und Rheometrie-Messdaten bereinigt und aufbereitet. Die Daten werden danach grafisch aufbereitet und ermöglichen die Ermittlung von Materialkennwerten.

Diese Arbeit bietet die Möglichkeit, in ein aktuelles und fortschrittliches Forschungsgebiet im Schnittpunkt zwischen Materialwissenschaft und Maschinenbau einzutauchen und den Einsatz von modernen Technologien in der Fertigung kennenzulernen. Eigene Ideen können umgesetzt und in der Praxis angewendet werden.

 

 

Aufgaben:

• Literaturrecherche zum Stand der Forschung in der Datenerfassung und -aufbereitung
• Aufbereitung und Analyse von Versuchsdaten
• Übertragung der Ergebnisse auf ein Vernetzungsmodell
• Modellvalidierung über Materialcharakterisierungsversuche
• Dokumentation und Präsentation der Ergebnisse

 

Vorkenntnisse:

• Studium im Bereich Maschinenbau/Mechatronik/Medizintechnik/Elektrotechnik oder ähnliches
• Vorerfahrung im Bereich der Datenverarbeitung in Origin wünschenswert
• Interesse an der additiven Fertigung und Materialwissenschaften
• Sehr engagierte, selbstständige und zuverlässige Arbeitsweise

 

Bewerbungen mit Lebenslauf, Notenspiegel und sehr knappem Motivationsschreiben (maximal 80 Wörter) bitte über das Anfrageformular oder an Lukas.Gugel@faps.fau.de

Motivation

Technologien der mobilen Robotik ermöglichen neue Assistenzsysteme zur Unterstützung der Mobilität von betroffenen Personen. Bei der Personennavigation steht der Komfort für die Person im Vordergrund. Dazu müssen Komfortfaktoren sowohl für den Passagier als auch für umstehende Personen berücksichtigt werden.

Im Rahmen dieser Arbeit soll ein prototypischer Versuchsaufbau mit IMU und/oder EKG am Rollstuhl realisiert werden, um den Zusammenhang zwischen Beschleunigung sowie Vitaldaten und dem Passagierkomfort experimentell zu untersuchen. Dazu sollen im Rahmen dieser Arbeit reale Nutzerstudien mit einem autonomen Rollstuhl in unserem Labor durchgeführt werden.

Ziele und Arbeitsschritte

• Einarbeitung in ROS
• Einarbeitung in das Themenfeld der Personennavigation
• Implementierung des Versuch Aufbaus
• Durchführen von Probandenstudien

Benefits

• Hands-on experience in der Entwicklung im Bereich Medizintechnik und Robotik
• Austausch mit anderen Studierenden am FAPS
• Einblicke in weitere Forschungsbereiche
• Anwendungsbezogene Arbeit für den Berufseinstieg
• Flexible Arbeitsweise

Hinweise zur Bewerbung

• Grundlegende Programmierkenntnisse sollten vorhanden sein
• Beginn ist jederzeit möglich
• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
• Weitere Informationen auf Anfrage per Mail oder gerne im persönlichen Gespräch

Motivation

Mobilitätseinschränkungen haben weitreichende Folgen für den Alltag der Betroffenen und führen neben der körperlichen Einschränkung häufig auch zu psychischen Problemen. Der Rollstuhl stellt für die Betroffenen die einzige Möglichkeit dar, am täglichen Leben teilzunehmen. Aufgrund von Funktionseinschränkungen der oberen Extremitäten, z.B. durch eine Querschnittlähmung, sind jedoch nicht alle Menschen mit Behinderung in der Lage, einen klassischen oder elektrischen Rollstuhl selbstständig zu bedienen.

Ziel des Projektes EMGRoll ist die Entwicklung eines Sensor-Kits, das durch die Kombination von Elektromyographie und Umgebungssensorik eine intuitive Steuerung von elektrisch angetriebenen Rollstühlen ermöglicht. In Zusammenarbeit mit n-squared Lab wird dazu eine EMG-Schnittstelle zu einem intelligenten Rollstuhl erforscht. Am FAPS wird dazu eine geteilte Navigation entwickelt, um die Bewegungssignale intelligent an die Umgebung anzupassen. Dies soll eine intuitive und sichere Steuerung des Rollstuhls auch bei körperlichen Einschränkungen der Betroffenen ermöglichen.

Zielstellung

Ziel dieser Arbeit ist die Entwicklung und Implementierung einer geteilten Navigation (Shared Control) für Personenassistenzsysteme am Beispiel des Blindenassistenzsystems und eines intelligenten Rollstuhls. Darüber hinaus sind weitere Themen auf Anfrage verfügbar.

Die Arbeit beinhaltet folgende Schwerpunkte:

• Evaluation des aktuellen Stands der Technik der geteilten Navigation (Shared Control)
• Einarbeitung in das Robot Operating System ROS2
• Weiterentwicklung einer geteilten Navigation in ROS2
• Durchführen von Nutzerstudien.

Hinweise / Anforderungen

Grundlegende Kenntnisse oder die Motivation sich in die Programmierung robotischer Systeme einzuarbeiten sollten vorhanden sein. Das Softwaremodul soll in ROS umgesetzt werden, daher sind Vorkenntnisse in C++ oder Python und ROS von Vorteil, allerdings nicht zwangsläufig erforderlich. Der Umfang und die Zielsetzung ist entsprechend der Vorkenntnisse anpassbar.

Der FAPS bietet ein breites Spektrum an Möglichkeiten sich im Bereich Medizintechnik und Robotik auszuprobieren. Studenten bekommen die Gelegenheit mit verschiedenster Hardware und Software zu arbeiten. Die Arbeitsweise ist flexibel und für ein studentisches Umfeld mit Vernetzungsmöglichkeiten wird gesorgt.

Weitere Infos auf Anfrage. Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf.