Lernziele:
Die Studierenden haben einen Überblick über aktuelle Forschungsthemen bei autonomen lernenden Robotersystemen am Beispiel der humanoiden Robotik und sind dazu in der Lage aktuelle Entwicklungen auf dem Gebiet der kognitiven humanoiden Robotik einzuordnen und zu bewerten.
Die Studierenden kennen die wesentlichen Problemstellungen der humanoiden Robotik und können auf der Basis der existierenden Forschungsarbeiten Lösungsvorschläge erarbeiten.
Lehrinhalt:
Die Vorlesung stellt aktuelle Arbeiten auf dem Gebiet der humanoiden Robotik vor, die sich mit der Implementierung komplexer sensomotorischer und kognitiver Fähigkeiten beschäftigen. In den einzelnen Themenkomplexen werden verschiedene Methoden und Algorithmen, deren Vor- und Nachteile, sowie der aktuelle Stand der Forschung diskutiert.
Es werden folgende Themen behandelt: Biomechanische Modelle des menschlichen Körpers; biologisch inspirierte und datengetrieben Methoden des Greifens, Aktive Wahrnehmung, Imitationslernen und Programmieren durch Vormachen, sowie semantische Repräsentationen von sensomotorischem Erfahrungswissen.
All content for Robotik 2 - Humanoide Robotik, SS19 is the property of Karlsruher Institut für Technologie (KIT) and is served directly from their servers
with no modification, redirects, or rehosting. The podcast is not affiliated with or endorsed by Podjoint in any way.
Lernziele:
Die Studierenden haben einen Überblick über aktuelle Forschungsthemen bei autonomen lernenden Robotersystemen am Beispiel der humanoiden Robotik und sind dazu in der Lage aktuelle Entwicklungen auf dem Gebiet der kognitiven humanoiden Robotik einzuordnen und zu bewerten.
Die Studierenden kennen die wesentlichen Problemstellungen der humanoiden Robotik und können auf der Basis der existierenden Forschungsarbeiten Lösungsvorschläge erarbeiten.
Lehrinhalt:
Die Vorlesung stellt aktuelle Arbeiten auf dem Gebiet der humanoiden Robotik vor, die sich mit der Implementierung komplexer sensomotorischer und kognitiver Fähigkeiten beschäftigen. In den einzelnen Themenkomplexen werden verschiedene Methoden und Algorithmen, deren Vor- und Nachteile, sowie der aktuelle Stand der Forschung diskutiert.
Es werden folgende Themen behandelt: Biomechanische Modelle des menschlichen Körpers; biologisch inspirierte und datengetrieben Methoden des Greifens, Aktive Wahrnehmung, Imitationslernen und Programmieren durch Vormachen, sowie semantische Repräsentationen von sensomotorischem Erfahrungswissen.
04: Robotik II: Humanoide Robotik, Vorlesung, SS 2019, 20.05.2019
Robotik 2 - Humanoide Robotik, SS19
1 hour 23 minutes 48 seconds
6 years ago
04: Robotik II: Humanoide Robotik, Vorlesung, SS 2019, 20.05.2019
04 |
0:00:00 Starten
0:02:48 Cognitive Grasping
0:05:12 What is a grasp ?
0:07:33 What properties are essential to grasps
0:12:12 Grasp analysis and grasp synthesis
0:14:30 Grasp contacts
0:20:56 What influences the generation of grasp hypotheses ?
0:37:11 Object classes for robot grasping
0:42:58 Human Hand Models
0:48:29 Human hand models in the literature
0:58:58 Grasping in Humans
1:10:10 haptics in human grasping
1:17:30 Grasping taxonomies
Robotik 2 - Humanoide Robotik, SS19
Lernziele:
Die Studierenden haben einen Überblick über aktuelle Forschungsthemen bei autonomen lernenden Robotersystemen am Beispiel der humanoiden Robotik und sind dazu in der Lage aktuelle Entwicklungen auf dem Gebiet der kognitiven humanoiden Robotik einzuordnen und zu bewerten.
Die Studierenden kennen die wesentlichen Problemstellungen der humanoiden Robotik und können auf der Basis der existierenden Forschungsarbeiten Lösungsvorschläge erarbeiten.
Lehrinhalt:
Die Vorlesung stellt aktuelle Arbeiten auf dem Gebiet der humanoiden Robotik vor, die sich mit der Implementierung komplexer sensomotorischer und kognitiver Fähigkeiten beschäftigen. In den einzelnen Themenkomplexen werden verschiedene Methoden und Algorithmen, deren Vor- und Nachteile, sowie der aktuelle Stand der Forschung diskutiert.
Es werden folgende Themen behandelt: Biomechanische Modelle des menschlichen Körpers; biologisch inspirierte und datengetrieben Methoden des Greifens, Aktive Wahrnehmung, Imitationslernen und Programmieren durch Vormachen, sowie semantische Repräsentationen von sensomotorischem Erfahrungswissen.