JavaScript ist deaktiviert
Die JavaScript-Funktionalität Ihres Browsers ist deaktiviert. Um diese ConfTool-Funktion nutzen zu können, müssen Sie JavaScript aktivieren . Informationen zur Aktivierung von JavaScript. aale25@htw-dresden.de
Eine Übersicht aller Sessions/Sitzungen dieser Veranstaltung. Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.
SES 1-1: Zukunft in Bewegung: Mobile Robotik I
Zeit:
Donnerstag, 13.03.2025:
11:45 - 12:30
Chair der Sitzung: Tatsiana Malechka , FH Münster
Ort: Hörsaal Z107 Hörsaal Z107, Erdgeschoss, Zentralgebäude
Präsentationen
Dezentrale Aufgabenverteilung in Multi-Roboter-Systemen auf Basis des Contract Net Protocol
Sebastian Arnold, Ralf Beck
Hochschule Düsseldorf, Deutschland
Dieser Beitrag beschreibt die Umsetzung und experimentelle Validierung einer dezentralen, agentenbasierten Aufgabenverteilung für Multi-Roboter-Systeme auf Basis des Contract Net Protocol. Die dabei untersuchte Problemstellung ist die effiziente Durchführung einer Vielzahl von Transportaufträgen durch eine mobile Roboterflotte. Hierzu wurden dezidierte Änderungen am Contract Net Protocol eingeführt, mit dem Ziel die Optimalität der Auftragsverteilung zu verbessern. Die Umsetzung des entwickelten Algorithmus erfolgte in ROS2, die experimentellen Untersuchungen wurden mit Hilfe einer Flotte an TurtleBot3-Robotern durchgeführt.
MILA – Ein Labordemonstrator zur Erprobung von Methoden des Imitationslernens für autonome Arbeitsmaschinen
Christoph Menz 1,2 , Norbert Fränzel2 , Andreas Wenzel1,2
1 Hochschule Schmalkalden, Deutschland; 2 Fraunhofer IOSB-AST, Ilmenau, Deutschland
Der vorgestellte Labordemonstrator MILA (Miniaturisiertes Imitationslernen für autonome Arbeitsmaschinen) dient als Experimentierumgebung, um Methoden des Imitationslernens in einer kontrollierten Umgebung zu testen und zu optimieren. Der Einsatz miniaturisierter Fahrzeugmodelle ermöglicht dabei eine kosteneffiziente, flexible Testplattform, die gleichzeitig realistische Szenarien im Kleinmaßstab abbildet. Ziel ist es, mit Hilfe des Demonstrators wertvolle Erkenntnisse für die Praxis zu gewinnen und zur Weiterentwicklung autonomer, lernfähiger Arbeitsmaschinen beizutragen. Zudem soll damit die Möglichkeit gegeben werden, für Studierende im Rahmen der Lehre die sonst nur anhand vereinfachter Modelle oder in simulierter Umgebung aufgezeigte Anwendung solcher Methoden real erlebbar zu machen.
