Menschenähnliche Bewegungsabläufe

Das Erlernen menschenähnlicher Trajektorien für Ganzkörperbewegungen mit künstlichen Kraftfeldern

Es ist zu erwarten, dass Roboter in hybriden Gesellschaften nur akzeptiert werden, wenn ihre Bewegungen vorhersehbar und menschenähnlich sind. Daher zielt dieses Projekt darauf ab, Robotertrajektorien hinsichtlich ihrer Menschenähnlichkeit zu optimieren. Mittels eines Ende-zu-Ende erlernten tiefen neuronalen Netzwerks, das Tiefenkarten verwendet, werden neue Methoden für das Generieren kollisionsfreier und funktionaler Trajektorien entwickelt. Das Netz wird autonom mit traditionellen Sampling-basierten Bewegungsplanungsmethoden trainiert. Darüber hinaus wird mit einem tiefen Verstärkungslernansatz die Bewegung des Roboters über künstliche Kraftfelder so angepasst, dass sie der des Menschen ähnlicher ist. Ergänzend werden Studien durchgeführt, um eine brauchbare Skala für menschliche Akzeptanz zu erhalten.