Now showing 1 - 2 of 2
  • Publication
    DRL-basierte Navigationsansätze in der industriellen Robotik
    ( 2021)
    Kästner, L.
    ;
    Lambrecht, J.
    ;
    Vick, A.
    ;
    Krüger, J.
    Mobile Roboter sind in verschiedenen Bereichen der Industrie zu wichtigen Werkzeugen geworden, insbesondere in der Logistik. Die sichere Navigation in hochdynamischen Umgebungen stellt jedoch weiterhin eine große Herausforderung für klassische Pfadplanungsansätze dar. Deep Reinforcement Learning (DRL) hat sich als alternative Planungsmethode herauskristallisiert, um allzu konservative Ansätze zu ersetzen und verspricht eine effizientere und flexiblere Navigation. Diese Ansätze sind jedoch aufgrund ihrer Anfälligkeit für lokale Minima und das Mangeln eines Langzeitgedächtnisses nicht für die Langstreckennavigation geeignet, was eine breite Integration in industrielle Anwendungen der mobilen Robotik behindert. Dieser Beitrag stellt einen Ansatz für die Integration von DRL-basierter Navigation in existierende Navigationsansätze von industrieller mobiler Robotik vor.
  • Publication
    Resilienz durch Redundanz. Cloud-und Edge-basierte Echtzeitsteuerung von autonomen mobilen Robotern
    ( 2021)
    Nouruzi-Pur, J.
    ;
    Lambrecht, J.
    ;
    Nguyen, T.D.
    ;
    Vick, A.
    ;
    Krüger, J.
    Die Auslagerung von Algorithmen auf Edge- und Cloud- umgebungen nach dem Software-as-a-Service-Paradigma bringt viele Vorteile für autonome mobile Roboter mit sich. Es kann jedoch nicht immer garantiert werden, dass die QoS-Anforderungen der ausgelagerten echtzeitkritischen Funktionen erfüllt sind. Das Bereitstellen von redundanten Kommunikationsmöglichkeiten und Berechnungsknoten sowie robotergesteuertes Umschalten ermöglichen Echtzeitfähigkeit innerhalb dieser unsicheren Infrastrukturen.