Modellfreies Greifen in 6 FHG – Studien-/Abschlussarbeit

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