Telematik
Refine
Document Type
- Bachelor Thesis (1)
- Master's Thesis (1)
Year of publication
- 2022 (2) (remove)
Institute
Language
- German (2)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Keywords
- DevBox (1)
- Entwicklung (1)
- Künstliches Neuronales Netz (1)
- Prototyping (1)
- ROS-E (1)
- Robotik (1)
- Situationserkennung (1)
- artificial neural network (1)
- situation recognition (1)
In dieser Bachelorarbeit wurde ein Entwicklerboard – die „DevBox“ – als Erweiterung des Tischroboters „ROS-E“ konzipiert, um die Erprobung und Entwicklung neuer Hardware des Roboters zu vereinfachen und zu beschleunigen. Zudem soll die DevBox den Zugang zu ROS-E für Neueinsteiger und für die Lehre erleichtern.
Es wurden diverse Anforderungen an die DevBox bezüglich der Hardware und Software auf Grundlage von Anwendungsfällen der Entwickler von ROS-E aufgestellt. Das resultierende Konzept umfasst ein Modell für den Bau einer DevBox, welches auch eigens entwickelte Leiterplatten für eine bessere Ergonomie bei der Entwicklung enthält. Die konzipierte Software der DevBox beschreibt Lösungen für die Anbindung diverser Hardwareschnittstellen wie GPIO, I2C und SPI und von Smart Home Geräten via EnOcean, ZigBee und Z-Wave über die DevBox und wie diese mit dem Roboter ROS-E verwendet werden können.
Anhand eines ersten Hardwareprototypen der DevBox konnten grundlegende Funktionen der Software implementiert und erfolgreich getestet werden. In weiteren Schritten soll die DevBox gebaut und für die Weiterentwicklung von ROS-E eingesetzt und finalisiert werden.
In dieser Masterarbeit soll eine Architektur für ein Künstliches Neuronales Netz erarbeitet werden, mit der mehrere Eingangskanäle eines humanoiden Roboters für eine Situationserkennung zusammengefasst werden können. Dazu werden zunächst die Grundbausteine für eine Situationserkennung am Beispiel des menschlichen Gehirns untersucht und die Erkenntnisse auf die Arbeitsweise Künstlicher Neuronales Netze übertragen.
Anschließend wird ein Konzept für eine Situationserkennung auf humanoiden Robotern erstellt. Dazu werden mögliche Situationen konstruiert und die Aufgabe der Situationserkennung so formuliert, dass sie mit einem Künstlichen Neuronalen Netz bearbeitet werden kann. Daraufhin werden mögliche Architekturen für dieses Netz verglichen und die am besten geeignetste ausgewählt.
Das erstellte Konzept soll im Rahmen dieser Arbeit auf dem Tisch-Roboter ROS-E umgesetzt werden. Dazu soll eine Trainings- und Testumgebung geplant und umgesetzt werden. Nachdem das entwickelte Künstliche Neuronale Netz trainiert und getestet wurde, wird ausgewertet, ob die ausgewählte Architektur für eine Situationserkennung auf humanoiden Robotern geeignet ist.