Entdecken Sie unsere Experimentalsysteme
Aktuelles vom Lehrstuhl für Regelungssystemtechnik
Promotion von Alexander Hugenroth
Young Author Award für Patrik Palmer
Erste Messungen im neuen Experimentalsystem
Promotion von Maximilian Krämer
1. RST-Hackathon: Paketauslieferung mit Hilfe mobiler Roboter – zu Lande und aus der Luft
Best Presentation Award auf der ICCRE 2024 in Osaka
RST auf der ICASI2024 in Kyoto
RST auf VDI Mechatroniktagung 2024 in Dresden
Der Lehrstuhl für Regelungssystemtechnik im Institut für Roboterforschung an der TU Dortmund forscht zur automatisierten, vernetzten sowie nachhaltigen Mobilität und zur Servicerobotik sowohl in grundlagen- als auch anwendungsorientierten Themen.
Dabei beginnt der innovative Forschungsprozess mit der Idee, setzt sich in der wissenschaftlichen Analyse und Synthese fort und endet im ingenieurstechnischen Kontext bei der Machbarkeit und/oder mit einem Prototyp. Die WissenschaftlerInnen bringen ihre Ideen, Kompetenzen und Erfahrungen in öffentliche und bilaterale Forschungs- sowie Entwicklungsprojekte ein.
In den Themen der zukünftigen Mobilität fokussiert sich unsere Forschung auf die Szenenbeschreibung, die Situationsprädiktion inklusive der Trajektorienprädiktion und die Entscheidungsfindung bei der Manöverplanung, wenn es um das Bewegungsverhalten des EGO-Fahrzeugs und der anderen Verkehrsteilnehmer geht.
Bei der Situationsprädiktion und der Manöverplanung wird außerdem das Verhalten und der physische sowie psychische Zustand des/der FahrersIn, PassagiersIn und PassantenIn erforscht und bei der gesamten Planung zum automatisierten Fahren berücksichtigt.
In der Servicerobotik bildet die Kooperation zwischen dem Menschen und Roboter den Schwerpunkt unserer Forschung. Wir entwickeln Konzepte und Methoden für die modellprädiktive echtzeitfähige Trajektorienplanung und -regelung im geteilten Arbeitsraum. In der Leichtbaurobotik werden von uns Modelle und Regelungen für gliedelastische Roboterarme entworfen.
Die Forschungsarbeiten orientieren sich an konkreten Fragestellungen, die begleitend in der x-in-the-Loop-Simulation und schließlich im Prototypenversuch evaluiert werden, um auch Fragen, die über die wissenschaftliche Verifikation und Validierung hinausgehen, aus der Perspektive der Anwendung und technischen Realisierung zu beantworten.
Im Bereich des automatisierten Fahrens setzten sich zunehmend Methoden aus den Bereichen Machine und Deep Learning sowie der künstlichen Intelligenz durch – in allen Entwicklungsbereichen, von der Perzeption bis zur Trajektorienplanung und Regelung. Neben der Entwicklung an neuesten Algorithmen in diesem Bereich, verfügen wir gleichzeitig auch über die notwendige Hardware und die aktuellsten technischen Voraussetzungen, um die genannten Methoden mit höchster Effizient schnell auf neue Problemstellungen anwenden zu können.
Ein weiterer Fokus liegt auf der Entwicklung und Anwendung von zukunftsweisenden Methoden zur systematischen Herleitung und Entwicklung von anforderungsgerechten Lösungen, wobei das Gesamtsystem nicht aus dem Blickwinkel verschwindet.