Lernbasierte Planung mobiler Roboterflotten in gemeinsam mit Menschen genutzten Umgebungen

Institut

Lehrstuhl für Fördertechnik Materialfluss Logistik (TUM-ED)

Typ

Bachelorarbeit / Semesterarbeit / Masterarbeit /

Inhalt

 

Beschreibung

Ausgangssituation

Lohnkosten und die Deglobalisierung erhöhen den Bedarf an flexibler Automatisierung in der Intralogistik. Autonome mobile Roboter können Transportprozesse übernehmen und dabei in Arbeitsumgebungen eingesetzt werden, die sie mit Menschen teilen. Die Planung solcher Roboterflotten muss daher neben Effizienz und Zuverlässigkeit auch Sicherheit und die Interaktion mit Menschen berücksichtigen.

Die Verbindung von KI und Robotik eröffnet neue Möglichkeiten für eine anpassungsfähige Flottenplanung. Insbesondere maschinelle Lernverfahren wie Reinforcement Learning bieten Ansätze, um Entscheidungen in dynamischen Umgebungen zu erlernen und auf veränderte Transportbedarfe sowie menschliche Bewegungen zu reagieren.

Zielsetzung der Arbeit

• Analyse bestehender Methoden der Flottenplanung und geeigneter Lernverfahren

• Entwicklung und simulationsgestützte Umsetzung eines lernbasierten Planungsansatzes unter Berücksichtigung menschlicher Bewegungen

• Bewertung von Transportleistung, Anpassungsfähigkeit und Mensch-Roboter-Konflikten im Vergleich zu einem Referenzverfahren

• Diskussion der Übertragbarkeit auf industrielle Anwendungen und der Grenzen der Simulation

Voraussetzungen

• Studium eines technischen Studiengangs

• Interesse an Robotik, KI und Intralogistik

• Erste Programmierkenntnisse (z.B. Python) 

• Erfahrungen mit maschinellem Lernen oder Simulation von Vorteil

• Selbstständige, strukturierte Arbeitsweise und Bereitschaft zur Einarbeitung in neue Methoden

Möglicher Beginn

sofort

Kontakt

Kilian Probst, M.Sc.
kilian.probsttum.de

Ausschreibung