Methode für Vorhersagen über die Fortführung von Handbewegungen
| dc.contributor.author | Rall, Philipp | |
| dc.contributor.author | Bender, Nicolas | |
| dc.contributor.editor | Gesellschaft für Informatik e.V. | |
| dc.date.accessioned | 2023-02-21T09:39:20Z | |
| dc.date.available | 2023-02-21T09:39:20Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Die vorliegende Arbeit befasst sich mit der Entwicklung einer Methode zur Echtzeit-Vorhersage von Trajektorien seitlicher Greifbewegungen zur Kollisionsvermeidung in der kollaborativen Robotik. Ein Neuronales Netz sagt hierfür anhand des Verlaufs der Anfangsbewegung in einem Regressionsansatz die Endposition und Dauer des gesamten Greifvorgangs voraus. Durch das Minimum Jerk Model für gekrümmte Punkt-zu-Punkt-Bewegungen lässt sich daraufhin der weitere Verlauf der Trajektorie präzise berechnen. Die Arbeit legt besonderen Fokus auf die Entwicklung einer automatisierten Pipeline zur Datenvorverarbeitung, die aufgenommene Rohdaten von natürlichen Greifbewegungen in mehreren modularen Verarbeitungsphasen zur qualitativ hochwertigen und vereinheitlichten Trainingsdaten transformiert sowie fehlerbehaftete Messdaten aussortiert. | de |
| dc.identifier.isbn | 978-3-88579-752-4 | |
| dc.identifier.pissn | 1614-3213 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/40240 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik, Bonn | |
| dc.relation.ispartof | SKILL 2022 | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Seminars, Volume S-18 | |
| dc.subject | Mensch-Maschine Interaktion | |
| dc.subject | Minimum Jerk Model | |
| dc.subject | Datenvorverarbeitung | |
| dc.subject | Kollaborative Robotik | |
| dc.subject | Maschinelles Lernen | |
| dc.title | Methode für Vorhersagen über die Fortführung von Handbewegungen | de |
| gi.citation.endPage | 84 | |
| gi.citation.startPage | 73 | |
| gi.conference.date | 29.-30. September 2022 | |
| gi.conference.location | Hamburg | |
| gi.conference.sessiontitle | Maschinelles Lernen und Informatik in der Anwendung |
Dateien
Originalbündel
1 - 1 von 1