Advanced Robot Control and Learning

Worum geht's

Du lernst fortgeschrittene Methoden der Roboterregelung, Modellierung, Identifikation und bio-inspirierte adaptive Impedanzregelung sowie aktuelle Lernansätze für physische Systeme. Am Ende kannst du Roboter dynamisch modellieren, moderne Regler entwerfen, Redundanz ausnutzen und Lernverfahren auf reale Robotikaufgaben anwenden.

Was du danach kannst

Roboterprobleme aus Sicht der Differentialgeometrie verstehen
Roboterdynamik identifizieren und bestimmen
moderne Regelungsprobleme mit fortgeschrittenen Methoden lösen
Redundanz in der Robotik verstehen und nutzen
robuste Regler entwerfen
bio-inspirierte Regler entwerfen
Lernmethoden in der Robotik anwenden

Aus was das Modul besteht

VorlesungVermittlung theoretischer Grundlagen zu Kontrolle, Modellierung, Identifikation und Lernen
ÜbungenAufgaben werden bereitgestellt, präsentiert und im Unterricht diskutiert; Musterlösungen verfügbar
Robothon (praktischer Kurs, 1 Woche)Teamprojekt mit Planung, Implementierung und Live-Demonstration realer Robotikprobleme

Lehrmethode

PräsentationenEinführung und Erklärung der Inhalte
Übungen mit MusterlösungenAnwendung und Vertiefung der Theorie
Robot hands-on / RobothonPraktische Erfahrung an realen Robotersystemen; Projektarbeit und Demonstration

Solltest du schon können

Fundamentals of control engineeringempfohlen
Fundamentals of roboticsempfohlen
Fundamentals machine learningempfohlen
Fundamentals of statisticsempfohlen

Prüfung

Praktischer KursLive-DemonstrationMündliche PrüfungPräsentation

Die Modulnote setzt sich zusammen aus der Leistungsbewertung im einwöchigen praktischen Kurs (Live-Demonstration und mündliche Präsentation des Projekts) sowie einer abschließenden mündlichen Prüfung (ca. 20 Minuten), in der theoretisches Wissen und die Anwendung auf reale Robotikprobleme geprüft werden.

Literatur

Ploen, Scott Robert - Geometric algorithms for the dynamics and control of multi-body systems
Dullemond, Kees & Peeters, Kasper - Introduction to Tensor calculus
Khatib, Oussama - A unified approach for motion and force control of robot manipulators: The operational space formulation
Ott, Christian - Cartesian impedance control of redundant and flexible-joint robots
Siciliano, Bruno - Kinematic control of redundant robot manipulators: A tutorial
Hatanaka, Takeshi et al. - Passivity-Based Control and Estimation in Networked Robotics
Duindam, Vincent et al. (Eds.) - Modeling and control of complex physical systems: the port-Hamiltonian approach
Khalil, Wisama & Dombre, Etienne - Modeling, identification and control of robots
Burdet, Etienne; Franklin, David W.; Milner, Theodore E. - Human robotics: neuromechanics and motor control
Argall, Brenna D. et al. - A survey of robot learning from demonstration
Asfour, Tamim et al. - Imitation learning of dual-arm manipulation tasks in humanoid robots
Kober, Jens; Bagnell, J. Andrew; Peters, Jan - Reinforcement learning in robotics: A survey
Van Hoof, Herke et al. - Learning robot in-hand manipulation with tactile features
Nguyen-Tuong, Duy & Peters, Jan - Model learning for robot control: a survey
Pastor, Peter et al. - Skill learning and task outcome prediction for manipulation
Kalakrishnan, Mrinal et al. - Learning force control policies for compliant manipulation
Kronander, Klas & Billard, Aude - Learning compliant manipulation through kinesthetic and tactile human-robot interaction

Filter

Advanced Robot Control and Learning

Worum geht's

Was du danach kannst

Aus was das Modul besteht

Lehrmethode

Modulbewertungen

Modul bewerten