Datenbestand vom 10. Dezember 2024

Impressum Warenkorb Datenschutzhinweis Dissertationsdruck Dissertationsverlag Institutsreihen     Preisrechner

aktualisiert am 10. Dezember 2024

ISBN 978-3-8439-5431-0

72,00 € inkl. MwSt, zzgl. Versand


978-3-8439-5431-0, Reihe Robotik und Automation

Tino Krüger-Basjmeleh
Befähigung autonomer, mobiler Roboter zum One-Shot-Imitationslernen für den vollständigen Transport von Paletten in Lager- und Produktionsbereichen

312 Seiten, Dissertation Technische Universität Hamburg (2023), Softcover, A5

Zusammenfassung / Abstract

Autonome, mobile Roboter benötigen für den automatischen Transport von Waren Informationen, um ihre Bewegungen zu planen, ihre Position zu bestimmen und ihre Aufgaben auszuführen. Die Automatisierung dieser Prozesse erfordert oft spezialisiertes Personal, das in der Intralogistik jedoch nicht ausreichend vorhanden ist. Deshalb wurde in dieser Arbeit eine Lösung entwickelt, die darauf abzielt, autonomen, mobilen Robotern das Lernen durch Imitation zu ermöglichen. Das Imitationslernen wird verwendet, um damit die Inbetriebnahme komplexer Robotersysteme auch für programmierferne Personengruppen zu ermöglichen. Zu diesem Zweck wird der One-Shot-Imitationslernansatz auf den Bereich der Intralogistik übertragen. Der in dieser Arbeit verfolgte Entwicklungsansatz unterscheidet dazu die Informationsgewinnung (Exploration) und die Ausnutzung der zuvor gewonnenen Informationen (Exploitation).

In der Explorationsphase wird Imitationswissen in Form von Umgebungswissen und Fähigkeitsmodellen durch Beobachtung manueller Transporte automatisch erlernt. Hierfür wird ein Planungsnetzwerk in Form einer annotierten topologischen Karte erzeugt, das auf semantischen Schlüsselstellen der Lagerumgebung basiert.

Dieses Imitationswissen wird in der Exploitationsphase mithilfe einer AI-basierten Handlungsplanung zu konkreten Missionen verknüpft, sodass die zuvor demonstrierten manuellen Transporte automatisch ausgeführt werden können. Mögliche Störungen in der Ausführung der erlernten Bewegungen werden durch einen adaptierten State-Lattice-Planner kompensiert.

Die für die Ausführung automatischer Bewegungen im Raum benötigte Lokalisation basiert auf einem Proximity-basierten Lokalisationsansatz, der für die metrisch kontinuierlichen Lokalisationsbedarfe die Verknüpfung der Knoten des Planungsnetzwerkes über die Fähigkeitsmodelle ausnutzt und damit auf einen singulären Referenzpunkt, wie einen Koordinatenursprung in metrischen Karten, verzichtet.