Motivation

Technologien der mobilen Robotik ermöglichen neue Assistenzsysteme zur Unterstützung der Mobilität und Orientierung. Dazu gehören sowohl das am FAPS entwickelte Assistenzsystem für Blinde als auch der am FAPS entwickelte intelligente Rollstuhl.

Reinforcement Learning bietet eine Alternative zu klassischen Pfadplanern, die durch Simulationen und Experimente trainiert werden können. Damit kann ein Pfadplaner unabhängig von mathematischen Modellen trainiert werden. Dies bietet insbesondere Vorteile in der sozialen Navigation, da der Roboter in der Simulation auf sein soziales Verhalten trainiert werden kann. Die Navigation von Personen erfordert darüber hinaus, dass die Pfadplanung auch Komfortfaktoren der Passagiere berücksichtigt. Dazu muss der bestehende Stand der Technik erweitert werden. Ansätze dazu können diesen Veröffentlichungen entnommen werden:

• Adaptive Social Force Window Planner with Reinforcement Learning
• Learning Local Planners for Human-aware Navigation in Indoor Environments

Ziele und Arbeitsschritte

• Einarbeitung in ROS
• Einarbeitung in das Themenfeld der Personennavigation
• Literaturrecherche zu bestehenden Navigationsansätzen mittels RL
• Bewertung bestehender sozial akzeptierten Navigationsalgorithmen hinsichtlich des Passagierkomforts
• Implementierung neuer Lösungsansätze

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
• Vorkenntnisse in ROS von Vorteil, aber nicht zwingend notwendig
• 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

Kategorien:

Kontakt: