Human-Robot Prediction Model from Motion Tracking Data (DE)

Institut

Lehrstuhl für Ergonomie (TUM-ED)

Typ

Bachelorarbeit / Semesterarbeit / Masterarbeit /

Inhalt

experimentell / theoretisch / konstruktiv /  

Beschreibung

Ausgangssituation und Ziel

In modernen Industrieumgebungen arbeiten mobile Roboter zunehmend in unmittelbarer Nähe zu menschlichen Beschäftigten. Die Interaktionen zwischen Mensch und Maschine sind jedoch oft noch weit entfernt von der Natürlichkeit, Effizienz und Sicherheit zwischenmenschlicher Begegnungen. Ein Knackpunkt liegt in der unzureichenden Modellierung menschlichen Bewegungsverhaltens in Simulationen. Zwar kommen in der Entwicklung von Navigationsalgorithmen bereits Menschmodelle zum Einsatz, doch diese basieren häufig auf stark vereinfachten Annahmen.

Am Lehrstuhl für Ergonomie (LfE) wurden in einem Experiment etwa 40 Personenstunden reale Motion-Tracking-Daten von Mensch-Roboter-Interaktionen aufgezeichnet (siehe rechts). Ziel dieser Arbeit ist es, auf Basis dieser Daten ein prädiktives Modell menschlicher Bewegung zu entwickeln. Dieses Modell soll die Bewegung von Personen bei Robotern vorhersagen und perspektivisch in Simulationen und Navigationsalgorithmen eingebunden werden können.

Mögliche Aufgaben

• Recherche zu prädiktiven Bewegungsmodellen

• Explorative Analyse der Motion-Tracking-Daten

• (Iterative) Entwicklung und Training eines geeigneten Vorhersagemodells

• Evaluierung der Modellgüte + Vergleich mit bestehenden Ansätzen

• (Optional) Einbindung des Modells in eine Simulationsumgebung (bspw. Gazebo)

Voraussetzungen

Voraussetzungen:

• Eigenständige und strukturierte Arbeitsweise

• Sehr gute Deutsch- und/oder Englischkenntnisse

Von Vorteil:

• Interesse an Mensch-Roboter-Interaktion

• Vorerfahrung mit Machine Learning

Tags

LfE Niessen

Möglicher Beginn

now

Kontakt

Nicolas Niessen, M.Sc.
Raum: MW 3303
nicolas.niessentum.de

Ausschreibung