Bachelor/Masterarbeit im Bereich automatischer, daten- und modellbasierter Kalibrierung von mobilen Manipulatoren

Automatische, daten- und modellbasierte Kalibrierung von mobilen Manipulatoren
Ansprechpartner Name:  Dr.-Ing. Christoph Henke (IfU) Email: christoph.henke@ifu.rwth-aachen.de Art der Arbeit: Bachelor- & Masterarbeit

Die präzise Positionsbestimmung von mobilen Manipulatoren ist eine zentrale Herausforderung in der modernen Robotik. Besonders bei Dead-Reckoning-Bewegungsplanungen, bei denen keine externe Lokalisierung verwendet wird, kann es durch Modellunsicherheiten, Messrauschen oder unzureichend abgestimmte Zustandsschätzer zu signifikanten SOLL-IST-Abweichungen kommen. Um diese zu minimieren, ist eine optimale Parametrierung des kinematischen Robotermodells und der Zustandsschätzer erforderlich.

Ziel dieser Arbeit ist die Entwicklung eines daten- und modellbasierten Optimierungsverfahrens, das eine optimale Parametrierung der Roboter    kinematik und Schätzermodelle ermittelt.

Das Optimierungsproblem wird als multi-kriteriales Black-Box-Problem mathematisch formuliert. Auf Basis eines Bayesian Optimization-Ansatzes mit Ersatzmodell (z. B. Gaussian Process Regression) werden Parameterexplorationen durchgeführt, um den Parameterraum effizient zu durchsuchen. Ziel ist ein dateneffizienter Optimierungsprozess, der mit möglichst wenigen Kalibrierungsversuchen einen nahezu optimalen Parametersatz liefert.

Mögliche Forschungsfragen / Themenrichtungen:

• Wie lässt sich die Parametrierung von Roboterkinematik und Zustandsschätzer als multi-kriteriales Optimierungsproblem formulieren?
• Welche Ersatzmodell- und Optimierungsverfahren (z. B. Gaussian Processes, Bayesian Optimization) eignen sich zur dateneffizienten Parameterbestimmung?
• Wie kann die Qualität probabilistischer Zustandsschätzer über NIS und NEES bewertet und in die Optimierung integriert werden?
• Wie lassen sich experimentelle Kalibrierbahnen effizient für die Modellvalidierung einsetzen?
• Inwiefern kann der entwickelte Ansatz auf verschiedene mobile Manipulatoren übertragen werden?

Voraussetzungen:

• Studium in Robotik, Mechatronik, Maschinenbau, CES, Informatik, Data Science oder verwandten Fachrichtungen
• Interesse an Robotermodellierung, probabilistischer Zustandsschätzung und Optimierungsverfahren
• Kenntnisse in Python oder C++
• Erste Erfahrungen mit ROS sowie maschinellen Lernverfahren (z. B. Gaussian Processes, Bayesian Optimization) sind von Vorteil

Wir bieten:

• Mitarbeit in einem hochaktuellen Forschungsvorhaben mit Praxisbezug zur Industrieautomation
• Möglichkeit zur praktischen Umsetzung und experimentellen Validierung an mobilen Manipulatoren
• Enge Betreuung in Deutsch oder Englisch
• Moderne Forschungsumgebung mit ROS-basierten Simulations- und Hardwareplattformen
• Gelegenheit, theoretische Optimierungsmethoden mit realer Robotik zu verknüpfen