Forschungsgruppen

Georg Martius

Das Ziel der Forscher*innen um Georg Martius ist, Roboter zu erforschen, die ihre Bewegungsmöglichkeiten und ihre Umwelt auf ähnliche Art und Weise wie ein Mensch während seiner frühkindlichen Entwicklung erkunden und lernen, mit ihrer Umgebung zu interagieren. Diese Fähigkeit wird es Robotern ermöglichen, erfolgreich in einer komplexen und sich ständig verändernden Umgebung zu agieren.

Alexander Badri-Sprowitz

Tiere laufen nicht nur dynamisch, effizient und elegant, sondern passen sich dabei auch dem jeweiligen Terrain, in dem sie sich fortbewegen, an. Ihre Fortbewegung ist ein sorgfältig orchestriertes Zusammenspiel der Muskeln und Sehnen, das im Laufe der Evolution immer weiter optimiert wurde. Alexander Badri-Spröwitz und sein Team nutzen Roboter und Simulationen, um die Fortbewegung von Tieren und deren Bewegungsabläufe zu verstehen. Sie untersuchen, warum ein Tier einen Muskel aktiviert, welche Kräfte dafür sorgen, dass sich das Tier fortbewegen kann oder warum nicht alle Muskeln und Sehnen gleich sind. Diese im Laufe der Evolution angepassten Bauteile dienen den Forscher*innen als Vorlage für Roboter-Modelle, die den Vorteil haben, dass die Funktion der einzelnen Teile individuell getestet werden kann. Die daraus gewonnenen Erkenntnisse sollen helfen, die Entwicklung von Laufrobotern, Prothesen oder von Exoskelett-Technologien – äußere Stützstrukturen für den Körper – zu verbessern.

Jörg Stückler

Intelligente Systeme wie beispielsweise Roboter müssen in der Lage sein, in ihrer Umgebung zu lernen und sich anzupassen. Die Forschungsgruppe „Embodied Vision“ erforscht neuartige Methoden, durch die dynamische 3D-Szenen verstanden werden können. Dieses Wissen ist notwendig dafür, dass künstliche intelligente Systeme komplexe Aufgaben wie autonome Navigation oder die Manipulation von Objekten meistern können.
Die meisten bisher verbreiteten Ansätze, um Roboter bestimmte Aufgaben bewältigen zu lassen, basieren auf separaten Komponenten für Wahrnehmung und Steuerung, die spezifisch für einzelne Szenarien angepasst werden. Das Forscherteam um Stückler entwickelt hingegen ganzheitliche Methoden, die Roboter lernen lassen, wie sie mit der Umgebung interagieren und Aufgaben ausführen können. Dafür sollen die Roboter lernen aus Sensordaten von Kameras und Berührungssensoren ein Modell ihrer Umgebung zu entwickeln, das einen Bezug zu ihrer Aufgabe hat. Zudem sollen die Roboter lernen, vorherzusagen, welche unmittelbaren Effekte ihre Handlungen haben werden. So kann das gelernte Modellwissen wiederum in der Robotersteuerung verwendet werden.

Michael Mühlebach

Algorithmen des maschinellen Lernens, die darauf abzielen, Muster aus beobachteten Daten zu extrahieren und zu erkennen, werden eine zentrale Rolle spielen, um Robotersysteme zu ermöglichen, die sich effizient und nahtlos an sich verändernde Umgebungen anpassen. Während aktuelle überwachte Lerntechniken bei Aufgaben wie Bilderkennung, Spracherkennung oder personalisierten Empfehlungen sehr erfolgreich waren, führt ihre Ausweitung auf cyber-physikalische und robotische Systeme zu vielen Herausforderungen. Ein vielversprechender Ansatz zur Bewältigung dieser Herausforderungen ist die Einbeziehung der zahlreichen a priori bekannten Strukturen, über die viele robotische und cyber-physische Systeme verfügen, wie z. B. approximative Modelle, die auf ersten Prinzipien, Symmetrien und Invarianten basieren. Dies könnte die Komplexität der Stichproben verbessern, sicherstellen, dass die Vorhersagen auf unbekannte Situationen verallgemeinert werden können, und könnte auch nachgelagerte Aufgaben erleichtern.

In der Gruppe Lernen und dynamische Systeme versuchen wir, die Techniken des maschinellen Lernens, der dynamischen Systeme und der Kontrolltheorie zu erweitern, um zukünftige cyber-physische und robotische Systeme zu ermöglichen. Während strenge Theorie und mathematische Analyse die Grundlage unserer Forschung bilden, evaluieren wir unsere Methoden auch in Experimenten an realen Systemen.

Ksenia Keplinger

Die Vision der Gruppe "Organizational Leadership and Diversity" ist es, Führungskräfte bei der Nutzung künstlicher Intelligenz zu unterstützen, um zu toleranteren, vielfältigeren und integrativeren Organisationen beizutragen. Wir verwenden qualitative (Interviews, Beobachtungen), quantitative (Online-Experimente, Laborexperimente, Feldumfragen) und gemischte Methoden, um 1) den Einsatz von Werkzeugen der künstlichen Intelligenz am Arbeitsplatz zu untersuchen, um das wahre Potenzial von Vielfalt und Inklusion freizusetzen, 2) Wege zu entwickeln, um Voreingenommenheit in der Mensch-Maschine-Partnerschaft abzuschwächen, und 3) die Art der Führung im Zeitalter der künstlichen Intelligenz zu erforschen.

Wenqi Hu

Unsere Gruppe konzentriert sich auf die Lösung der wissenschaftlichen Herausforderung, eine noch nie dagewesene Roboterleistung zu erreichen, indem sie (Bereich-1) intelligente Robotermaterialien entwickelt und diese dann (Bereich-2) in komplexe funktionale Robotersysteme integriert.
In Bereich 1 möchten wir Materialien entwickeln, die den Anforderungen der Robotik gerecht werden. Dazu gehört eine bessere Kontrollierbarkeit (das Verhalten ist deterministisch und vorhersehbar) und Zuverlässigkeit. Auf der nächsten Ebene wollen wir Materialien mit eingebetteter Intelligenz herstellen, die diese Eigenschaften eleganter umsetzen können.
Im Bereich 2 müssen wir darauf hinweisen, dass die Integration eine große Herausforderung ist, obwohl es bereits Materialien gibt, die in jeder spezialisierten Funktion gut sind. Daher ist es eine große Herausforderung, diese miteinander zu integrieren, da die Anforderungen widersprüchlich sind und kompatible Schnittstellen benötigt werden. Um die Herausforderung der Integration zu meistern, entwickeln wir verschiedene Integrationsstrategien und die entsprechenden Herstellungsverfahren.

Justus Thies

Die Neural Capture and Synthesis Group arbeitet an der Schnittstelle von Computergrafik, Computer Vision und maschinellem Lernen. Insbesondere interessiere ich mich für die markerlose Bewegungserfassung von Gesichtsdarstellungen, menschlichen Körpern und allgemeinen nicht starren Objekten. Neben der Erfassung und Rekonstruktion der Realität arbeite ich an KI-basierten Synthesetechniken, die eine fotorealistische Bild- und Videosynthese ermöglichen.