- AutorIn
- David Vogt
- Titel
- Learning Continuous Human-Robot Interactions from Human-Human Demonstrations
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:105-qucosa-233262
- Datum der Einreichung
- 21.09.2017
- Datum der Verteidigung
- 06.02.2018
- Abstract (DE)
- In der vorliegenden Dissertation wurde ein datengetriebenes Verfahren zum maschinellen Lernen von Mensch-Roboter Interaktionen auf Basis von Mensch-Mensch Demonstrationen entwickelt. Während einer Trainingsphase werden Bewegungen zweier Interakteure mittels Motion Capture erfasst und in einem Zwei-Personen Interaktionsmodell gelernt. Zur Laufzeit wird das Modell sowohl zur Erkennung von Bewegungen des menschlichen Interaktionspartners als auch zur Generierung angepasster Roboterbewegungen eingesetzt. Die Leistungsfähigkeit des Ansatzes wird in drei komplexen Anwendungen evaluiert, die jeweils kontinuierliche Bewegungskoordination zwischen Mensch und Roboter erfordern. Das Ergebnis der Dissertation ist ein Lernverfahren, das intuitive, zielgerichtete und sichere Kollaboration mit Robotern ermöglicht.
- Freie Schlagwörter (DE)
- Mensch-Roboter Interaktion, Imitationslernen, Maschinelles Lernen, Interaktionslernen, MRI, Mensch-Roboter Kollaboration, Virtuelle Realität
- Freie Schlagwörter (EN)
- Human-Robot Interaction, Imitation Learning, Machine Learning, Interaction Learning, HRI, Human-Robot Collaboration, Virtual Reality
- Klassifikation (DDC)
- 004
- Normschlagwörter (GND)
- Mensch-Maschine-Kommunikation, Roboter, Maschinelles Lernen, Modelllernen, Programmierung durch Vormachen
- GutachterIn
- Prof. Bernhard Jung
- Prof. Heni Ben Amor
- BetreuerIn Hochschule / Universität
- Prof. Bernhard Jung
- Den akademischen Grad verleihende / prüfende Institution
- TU Bergakademie Freiberg, Freiberg
- URN Qucosa
- urn:nbn:de:bsz:105-qucosa-233262
- Veröffentlichungsdatum Qucosa
- 02.03.2018
- Dokumenttyp
- Dissertation
- Sprache des Dokumentes
- Englisch