Autonomes Rennauto
Betreuung: Nils Dengler

Die Aufgabe besteht darin, ein robustes Wahrnehmungssystem zu entwickeln, um autonom auf einer vorgegebenen Rennstrecke zu fahren. Die Wahrnehmungsdaten werden zur Feinabstimmung der Zustandsschätzung und zur Erkennung von Gegnern auf der Strecke verwendet. Nach der erfolgreichen Erstellung eines Proof-of-Concept werden wir es in einem echten F1-Rennwagen einsetzen und seine Leistung auf unserer eigenen Rennstrecke testen.

Sesam öffne dich: Ganzkörpersteuerung zum Möbelöffnen
Betreuung: Rohit Menon

Sie lernen, wie man Möbelgriffe mit KI erkennt und Ganzkörperbewegungen nutzt, damit Roboter Schubladen, Türen und Schränke reibungslos öffnen können

Roboter-Butler: Offene-Vokabular-Mobilmanipulation
Betreuung: Rohit Menon

Sie lernen, wie man einem Roboter alltägliche Sprachbefehle beibringt und diese in reale Pick-and-Place-Aktionen in Simulation und auf echter Hardware umsetzt

Finde den korrekten Blickwinkel!
Betreuung: Sicong Pan

Die Aufgabe besteht darin, anhand des gegebenen RGB-Bildes den Aufnahmeort herauszufinden. Dabei ist die Kamera in der Hand des Roboters montiert.

Social Force Modell für die Simulation von Menschenmengen
Betreuung: Subham Agrawal

Die Aufgabe besteht darin, das Social Force Model (SFM) für die Simulation von Menschenmengen zu implementieren und in einer 3D-Umgebung zu visualisieren.

Roboternavigation mit LLM
Betreuung: Xuying Huang

Das Ziel dieses Projektes ist es ein großes Sprachmodell (LLM) für die Roboternavigation zu verwenden. Der Roboter kann gesprochene Anweisungen verstehen, die Befehle mithilfe des LLMs verarbeiten und in konkrete Aktionen umsetzen (z. B. in die Küche gehen).

Robotermontageaufgaben mit Reinforcement Learning
Betreuung: Ahmed Shokry

Montageaufgaben erfordern einen hohen Kalibrierungs- und Abstimmungsaufwand durch den Menschen. Dieses Projekt zielt darauf ab, mithilfe von Reinforcement Learning Robotermontageaufgaben ohne menschliches Eingreifen durchzuführen.