State-of-the-Art zum modellfreien Greifen:
- Hand-Auge Koordination (ISER 2016):
o Paper: https://arxiv.org/abs/1603.02199
o Video: https://www.youtube.com/watch?v=l8zKZLqkfII
- Dex-Net (ICRA 2016, RSS 2017, ICRA 2018, …):
o Paper, etc.: https://berkeleyautomation.github.io/dex-net/
o Video (Dex-Net 4.0): https://www.youtube.com/watch?v=r-0PKne9e_w
- GG-CNN (RSS 2018):
o Paper: https://arxiv.org/abs/1804.05172
o Video: https://www.youtube.com/watch?v=7nOoxuGEcxA
- QT-Opt (CoRL 2019):
o Paper: https://arxiv.org/abs/1806.10293
o Video: https://www.youtube.com/watch?v=W4joe3zzglU
- …
Probleme:
- Beschränkung der Griffe auf 4 Freiheitsgrade (FHG): x, y, z, alpha (Griffe von oben)
o Nicht geeignet für „Griff-in-die-Kiste“ zum Greifen von Objekten in den Ecken oder am Kistenrand (führt zu Kollisionen)
o Durch Griffe in 6 FHG können Objekte überhaupt erst oder robuster gegriffen werden
- Lernen robuster Greifstrategien auf realen Robotern dauert mehrere Tage bis Monate (z.B. 2-3 Monate mit 14 Robotern) und muss für Änderungen im Hardwaresetup wiederholt werden motiviert die Verwendung von Simulationen zum Training von tiefen neuronalen Netzwerken
Ausschreibung für die Fachrichtungen
- Automatisierungstechnik
- Informatik
- Maschinenbau
- Mathematik
- Mechatronik
- Softwareengineering
- Sehr gute Deutsch- oder Englischkenntnisse
- Kenntnisse im Bereich neuronale Netze und Deep Learning
- Gute Programmierkenntnisse (idealerweise Python)
- Erfahrungen im Umgang mit Simulationssoftware vorteilhaft
- Faszination für Robotik, Computer Vision und Künstliche Intelligenz
- Hohes Maß an Selbstständigkeit, Eigeninitiative und Einsatzbereitschaft
- Team- und Kommunikationsfähigkeit
- Artificial Intelligence (AI) / Machine Learning (ML) / Deep Learning (DL)
- Robotic Grasping and Manipulation
- Computer Vision / Robot Vision
Tätigkeiten im Rahmen der Arbeit:
- Entwicklung und Evaluierung von Ansätzen zum modellfreien Greifen in 6 FHG
- Dazu:
o Generierung eines großen Datensatzes mit erfolgreichen Griffen in 6 FHG (Simulation)
o Verwendung des Datensatzes zum Trainieren und Evaluieren von modellfreien Ansätzen
o Ziel modellfreie Ansätze: Generalisierung auf neue im Training nicht gesehene Objekte
- Evaluierung in der Simulation und realen Welt
- Dokumentation und Schreiben der Arbeit
- Ggf. Publikation der Ergebnisse auf internationalen Konferenzen
Fraunhofer ist die größte Organisation für anwendungsorientierte Forschung in Europa. Unsere Forschungsfelder richten sich nach den Bedürfnissen der Menschen: Gesundheit, Sicherheit, Kommunikation, Mobilität, Energie und Umwelt. Wir sind kreativ, wir gestalten Technik, wir entwerfen Produkte, wir verbessern Verfahren, wir eröffnen neue Wege.
Johannes Kienle
Recruiter
0711 970-1153
Bitte bewerben Sie sich über unser Online-Portal!
Kennziffer: IPA-2020-107 | Bewerbungsfrist: - |