Index

Ausgangssituation:

Humanoide Roboter entwickeln sich derzeit rasant von reinen Forschungsplattformen hin zu industriell verwertbaren Systemen und versprechen durch ihre menschenähnliche Oberkörperkinematik eine flexible Integration in bestehende, auf den Menschen ausgelegte Produktionsumgebungen. Der AgiBot G2 ist ein wheel based humanoider Roboter mit einer radbasierten mobilen Plattform und einem humanoiden Oberkörper mit zwei Armen sowie geschickten Greifern, der speziell für industrielle Manipulations- und Logistikaufgaben konzipiert wurde. Durch den Verzicht auf eine zweibeinige Fortbewegung bietet die Plattform eine besonders hohe Stabilität, Energieeffizienz und Nutzlast bei gleichzeitig hoher Beweglichkeit in geplanten Fabrikumgebungen.

In einer Industrieumgebung der Siemens AG wird mit dem AgiBot G2 erstmals ein humanoides System dieser Klasse aufgebaut und in Betrieb genommen. Vor diesem Hintergrund besteht ein konkreter Bedarf, die Plattform systematisch zu erschließen, geeignete Schnittstellen und Toolchains zu etablieren sowie erste industrierelevante Anwendungsfälle aus dem Umfeld der Siemens AG prototypisch umzusetzen, um den Reifegrad und das Einsatzpotenzial des Systems belastbar einschätzen zu können.

Zielsetzung:

Ziel dieser Arbeit ist die erstmalige Umsetzung industrieller Anwendungsfälle auf Basis des humanoiden Roboters AgiBot G2. Im Rahmen der Arbeit sollen die Plattform aufgebaut, die relevanten Schnittstellen erschlossen sowie eine durchgängige Toolchain für Wahrnehmung, Manipulation und Navigation etabliert werden. Aufbauend darauf werden ausgewählte produktionsnahe Anwendungsfälle prototypisch umgesetzt und hinsichtlich Robustheit, Geschwindigkeit und Integrationsaufwand bewertet. Aus den Ergebnissen sollen abschließend konkrete Handlungsempfehlungen für den weiteren produktiven Einsatz des Systems im industriellen Umfeld der Siemens AG abgeleitet werden.

Aufgabenschwerpunkte & Arbeitspakete:

• Einarbeitung in den Stand der Technik zu wheeled humanoiden Robotern, bimanueller Manipulation und Foundation Models für robotische Anwendungen
• Aufbau und mechanische sowie elektrische Erstinbetriebnahme der AgiBot G2 Plattform am Standort der Siemens AG [Erlangen]
• Einarbeitung in das SDK des AgiBot G2 sowie Aufbau einer durchgängigen Toolchain für Steuerung, Wahrnehmung und mobile Manipulation
• Integration des Systems in die bestehende ROS basierte Infrastruktur des Lehrstuhls und Anbindung an relevante Sensorik und Peripherie
• Auswahl und Spezifikation industrierelevanter Anwendungsfälle in Abstimmung mit der Siemens AG
• Prototypische Umsetzung erster produktionsnaher Demonstratoren auf Basis des AgiBot G2
• Systematische Bewertung der erzielten Performanz hinsichtlich Robustheit, Geschwindigkeit, Sicherheit und Integrationsaufwand anhand definierter Kriterien
• Ableitung konkreter Handlungsempfehlungen für den weiteren produktiven Einsatz humanoider Roboter im industriellen Umfeld
• Strukturierte Dokumentation der Arbeit und Präsentation der Ergebnisse

Vorkenntnisse:

• Interesse an industrieller Robotik, humanoiden Systemen und künstlicher Intelligenz
• Erfahrung mit Linux und ROS von Vorteil
• Grundlegende Programmierkenntnisse in Python und C++ von Vorteil, aber nicht zwingend erforderlich
• Sehr gute Deutsch und Englisch Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Ausgangssituation:

Vision Language Action (VLA)-Modell- und World-Modell-basierte Ansätze versprechen einen Paradigmenwechsel beim Training von Robotersystemen für komplexe Manipulationsaufgaben mit variablen Randbedingungen. Eine wesentliche Herausforderung ist jedoch der enorme Datenbedarf, insbesondere die Generierung hochwertiger Trainingsdaten. Die oft als optimal angesehene Datenerfassung durch direkte Teleoperation des Endsystems ist extrem zeit- und kostenintensiv sowie durch menschliche Fähigkeiten limitiert. Simulationsbasierte Daten leiden wiederum oft unter mangelnder Übertragbarkeit auf reale Systeme. Es besteht ein dringender Bedarf, effizientere Wege zur Trainingsdatenerfassung für VLA-basierte Systeme im industriellen Umfeld zu finden und zu evaluieren.

Zielsetzung:

Ziel dieser Arbeit ist die Entwicklung einer Methodik zur effizienten Generierung von Trainingsdaten für VLA-basierte Robotersysteme in einem industriellen Fertigungsumfeld. Im Rahmen der Arbeit sollen verschiedene Ansätze zur Datengenerierung wie simulationsbasierte Daten, Lernen aus First-Person-View-Videos und Mischformen implementiert, analysiert und deren Einsetzbarkeit sowie Effektivität bewertet werden. Hieraus soll abschließend eine Methodik abgeleitet werden, die die effiziente Datenerzeugung für industrialisierbare VLA-basierte Ansätze ermöglicht.

Vorkenntnisse:

• Interesse an industrieller Robotik und künstlicher Intelligenz
• Grundlegende Programmierkenntnisse in Python von Vorteil, aber nicht erforderlich
• Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Ausgangssituation:

In der diskreten Fertigung ist die Teileandienung für automatisierte Prozesse oft sehr starr und erfordert spezielle Zuführsysteme oder manuelles Vorsortieren. Dies beeinträchtigt die Wirtschaftlichkeit und Flexibilität der Produktionssysteme erheblich. Bin-Picking-Systeme, die zufällig geschüttete Bauteile durch Roboter handhaben, versprechen hier Abhilfe und sind in der Praxis bereits für viele Standardanwendungen etabliert.

Diese Systeme basieren klassischerweise auf 3D-Kamera-Eingangsdaten, deren Qualität und damit Kosten oft proportional zur Komplexität der zu greifenden Teile sind. Insbesondere bei kleinen, reflektierenden oder texturarmen Bauteilen, wie sie in der Elektronikfertigung häufig auftreten, stossen konventionelle Tiefenbildsensoren an ihre Grenzen. Neuere KI-basierte Ansätze, etwa Foundation-Stereo- und Foundation-Pose-Modelle auf Basis von NVIDIA-Technologien, versprechen eine deutliche Verbesserung der Tiefenbildqualität ohne den Einsatz hochpreisiger Spezialkameras.

Zielsetzung:

Ziel dieser Arbeit ist die Evaluierung und Verbesserung der Tiefenbilderfassung für Bin-Picking-Systeme durch den Einsatz innovativer KI-basierter Technologien. Es sollen KI-gestützte Stereovision zur Optimierung der Tiefeneingangsdaten sowie die Nutzung von 2D-Bildern aus mehreren Blickwinkeln (Multi-View-Perzeption) implementiert und untersucht werden. Die verschiedenen Ansätze sind miteinander sowie mit bestehenden Systemen zu vergleichen, um deren Potenzial für den Einsatz in der Elektronikfertigung zu ermitteln und Grenzen und Erweiterungsmöglichkeiten aufzuzeigen.

Vorkenntnisse:

• Interesse an industrieller Robotik und künstlicher Intelligenz
• Grundlegende Programmierkenntnisse in Python von Vorteil, aber nicht erforderlich
• Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Ausgangssituation:

Komplexe Manipulationsaufgaben in der industriellen Produktion zählen zu den anspruchsvollsten manuellen Tätigkeiten im Fertigungsumfeld. Die hohe Variabilität von Objekten, Gebinden und Prozessrandbedingungen macht eine vollständige Automatisierung mit klassischen regelbasierten Systemen bislang unwirtschaftlich oder technisch nicht realisierbar. Vision Language Action (VLA)-Modelle versprechen hier einen neuen Ansatz, indem sie visuelle Wahrnehmung mit generalisierter Greif- und Manipulationsfähigkeit verknüpfen.

Gleichzeitig existieren für Teilprozesse wie taktiles Fügen oder das Bin Picking bereits robuste und praxiserprobte Speziallösungen. Vor diesem Hintergrund stellt sich die Frage, in welchen Teilbereichen der industriellen Produktion durch VLA-basierte Systeme eine Steigerung des Automatisierungsgrades oder eine Reduzierung des Integrationsaufwands erreicht werden kann, beziehungsweise wie diese Automatisierungskomponenten zielführend kombiniert werden können.

Zielsetzung:

Ziel dieser Arbeit ist die Durchführung einer strukturierten Machbarkeitsstudie für den Einsatz von VLA-Modellen in Produktion und Logistik. Im Rahmen der Arbeit sollen VLA-basierte Ansätze analysiert, prototypisch implementiert und hinsichtlich ihrer Robustheit, Grenzen und Kombinierbarkeit mit klassischen Automatisierungsansätzen bewertet werden. Ziel ist die Ableitung klarer Handlungsempfehlungen, ab welchem Komplexitätsgrad und unter welchen Randbedingungen der Einsatz von VLA-Systemen gegenüber etablierten Lösungen wirtschaftlich und technisch sinnvoll ist.

Vorkenntnisse:

• Interesse an industrieller Robotik und künstlicher Intelligenz
• Grundlegende Programmierkenntnisse in Python von Vorteil, aber nicht erforderlich
• Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Ausgangssituation:

Mobile autonome Systeme übernehmen zunehmend sicherheitskritische Aufgaben, beispielsweise in der Landwirtschaft oder der Bauindustrie. Mit steigenden funktionalen Anforderungen an solche Systeme wachsen auch die Anforderungen an deren funktiona

le Sicherheit. Eine klare Abgrenzung sicherheitskritischer Teilbereiche wird dabei zunehmend schwieriger. Moderne Systeme setzen daher häufig auf multimodale Wahrnehmungskonzepte, bei denen Sensordaten aus verschiedenen Quellen, etwa Kamera, LiDAR und Radar, kombiniert werden, um eine robuste und zuverlässige Umfelderfassung zu ermöglichen.

Zur Auswertung dieser komplexen Datenmengen kommen überwiegend tiefe neuronale Netze zum Einsatz. Deren Entscheidungen sind jedoch häufig nur eingeschränkt nachvollziehbar. Zudem können reale Einsatzumgebungen Situationen enthalten, die während des Trainings nicht beobachtet wurden. Um die Zuverlässigkeit solcher Systeme zu erhöhen, werden daher zunehmend Methoden zur Unsicherheitsabschätzung (Out-of-Distribution Detection) sowie Ansätze der erklärbaren Künstlichen Intelligenz ( XAI) eingesetzt.

Ziel dieser Arbeit ist die Entwicklung einer Methodik zur systematischen Evaluation von Verfahren zur Unsicherheitsabschätzung sowie von Methoden der automatisierten erklärbaren KI für KI-basierte Wahrnehmungssysteme. Die entwickelte Methodik soll sowohl bestehende Ansätze aus dem Stand der Technik als auch am Institut entwickelte Verfahren methodisch evaluieren und vergleichbar machen.

• Einarbeitung in den Stand der Technik zu künstlicher Intelligenz, erklärbarer KI und Unsicherheitsabschätzung
• Strukturierte Literaturrecherche zu automatisierten Sicherheitsframeworks
• Entwicklung einer Methodik zur systematischen Evaluation verschiedener Sicherheitsframeworks
• Strukturierte Dokumentation und Präsentation der Ergebnisse

Vorkenntnisse:

• Interesse an autonomen Systemen, neuronalen Netzen und künstlicher Intelligenz
• Grundlegende Programmierkenntnisse in Python und ROS2 von Vorteil, aber nicht erforderlich
• Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Ausgangslage:

Mit der fortschreitenden Elektrifizierung der Fahrzeuge steigt auch die Nachfrage nach komfortablen, sicheren und in den Alltag integrierbaren Lademöglichkeiten. Kontaktlose Energieübertragungssysteme ermöglichen Szenarien wie „Road Charging“ und „Opportunity Charging“. Weitere Vorteile sind ein gesteigerter Ladekomfort für den Anwender sowie eine geringere Angriffsfläche für Vandalismus. Folglich ist für die nächsten Jahre eine gesteigerte Nachfrage nach induktiven Energieübertragungssystemen für Elektromobile zu erwarten. Allerdings stehen bislang keine Verfahren zur Verfügung, die eine wirtschaftliche Fertigung induktiver Energieübertragungssysteme in hoher Stückzahl ermöglichen.

Mögliche Aufgabenstellung

Verlegen, Kontaktieren und Isolieren sind die drei wichtigsten Schritte zur Herstellung eines induktiven Energieübertragungssystems. Die Verfahren sollen durch geeignete Maßnahmen für die industrielle Fertigung befähigt werden. Neben praktischen Versuchen ist auch der prototypische Aufbau von Demonstratoren vorgesehen. Mögliche Aufgabenstellungen können sein:

• Einarbeiten in die Technologien für die kontaktlose Energieübertragung
• Analyse von verschiedenen Systemaufbauten der Marktbegleiter
• Adaption bestehender Konzepte aus dem Elektromaschinenbau auf den neuen Anwendungskontext
• Entwicklung und Konzeption geeigneter Vorrichtungen und Aufbau von Demonstratorsystemen

Hinweise und Bewerbung:

• Bearbeitung der Aufgaben im studentischem Team
• Strukturierte und selbstständige Arbeitsweise
• Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an info@seamless-energy.com

Ansprechpartner:

Maximilian Kneidl
Maximilian Kneidl, M.Sc. info@seamless-energy.com

Ausgangslage:

Mit der fortschreitenden Elektrifizierung der Fahrzeuge steigt auch die Nachfrage nach komfortablen, sicheren und in den Alltag integrierbaren Lademöglichkeiten. Kontaktlose Energieübertragungssysteme ermöglichen Szenarien wie „Road Charging“ und „Opportunity Charging“. Weitere Vorteile sind ein gesteigerter Ladekomfort für den Anwender sowie eine geringere Angriffsfläche für Vandalismus. Folglich ist für die nächsten Jahre eine gesteigerte Nachfrage nach induktiven Energieübertragungssystemen für Elektromobile zu erwarten. Allerdings stehen bislang keine Verfahren zur Verfügung, die eine wirtschaftliche Fertigung induktiver Energieübertragungssysteme in hoher Stückzahl ermöglichen.

Mögliche Aufgabenstellung

Verlegen, Kontaktieren und Isolieren sind die drei wichtigsten Schritte zur Herstellung eines induktiven Energieübertragungssystems. Die Verfahren sollen durch geeignete Maßnahmen für die industrielle Fertigung befähigt werden. Neben praktischen Versuchen ist auch der prototypische Aufbau von Demonstratoren vorgesehen. Mögliche Aufgabenstellungen können sein:

• Einarbeiten in die Technologien für die kontaktlose Energieübertragung
• Analyse von verschiedenen Systemaufbauten der Marktbegleiter
• Adaption bestehender Konzepte aus dem Elektromaschinenbau auf den neuen Anwendungskontext
• Entwicklung und Konzeption geeigneter Vorrichtungen und Aufbau von Demonstratorsystemen

Hinweise und Bewerbung:

• Bearbeitung der Aufgaben im studentischem Team
• Strukturierte und selbstständige Arbeitsweise
• Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an info@seamless-energy.com

Ansprechpartner:

Maximilian Kneidl
Maximilian Kneidl, M.Sc. info@seamless-energy.com

Ausgangslage:

Mit der fortschreitenden Elektrifizierung der Fahrzeuge steigt auch die Nachfrage nach komfortablen, sicheren und in den Alltag integrierbaren Lademöglichkeiten. Kontaktlose Energieübertragungssysteme ermöglichen Szenarien wie „Road Charging“ und „Opportunity Charging“. Weitere Vorteile sind ein gesteigerter Ladekomfort für den Anwender sowie eine geringere Angriffsfläche für Vandalismus. Folglich ist für die nächsten Jahre eine gesteigerte Nachfrage nach induktiven Energieübertragungssystemen für Elektromobile zu erwarten. Allerdings stehen bislang keine Verfahren zur Verfügung, die eine wirtschaftliche Fertigung induktiver Energieübertragungssysteme in hoher Stückzahl ermöglichen.

Mögliche Aufgabenstellung

Verlegen, Kontaktieren und Isolieren sind die drei wichtigsten Schritte zur Herstellung eines induktiven Energieübertragungssystems. Die Verfahren sollen durch geeignete Maßnahmen für die industrielle Fertigung befähigt werden. Neben praktischen Versuchen ist auch der prototypische Aufbau von Demonstratoren vorgesehen. Mögliche Aufgabenstellungen können sein:

• Einarbeiten in die Technologien für die kontaktlose Energieübertragung
• Analyse von verschiedenen Systemaufbauten der Marktbegleiter
• Adaption bestehender Konzepte aus dem Elektromaschinenbau auf den neuen Anwendungskontext
• Entwicklung und Konzeption geeigneter Vorrichtungen und Aufbau von Demonstratorsystemen

Hinweise und Bewerbung:

• Bearbeitung der Aufgaben im studentischem Team
• Strukturierte und selbstständige Arbeitsweise
• Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an info@seamless-energy.com

Ansprechpartner:

Dr.-Ing. Michael Weigelt info@seamless-energy.com

Ansprechpartner:

Maximilian Kneidl

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Intralogistik oder zur Erfassung digitaler Lagebilder.

Für den effizienten und sicheren Einsatz ist es wünschenswert, dass die Drohnen ihre Aufgaben selbstständig erledigen, also autonom agieren. Durch den autonomen Betrieb wird es möglich mithilfe geeigneter Navigation die Drohnen beispielsweise hinsichtlich ihres Energieverbrauchs zu optimieren. Hierfür ist die Erforschung robotischer Infrastrukturen (Robot Operating System 2), Computer-Vision, neuartiger KI-Modelle und Reinforcement Learning erforderlich. Zudem sind Hardwareaspekte, wie ein stabiler Aufbau des Flugroboters sowie die Ausstattung mit entsprechender Sensorik zu beachten.

Am Flugfeld des Lehrstuhl FAPS sind verschiedene Themen für Bachelor- und Masterarbeiten in den oben genannten Bereichen zu vergeben. Voraussetzung ist die Motivation zur selbständigen Einarbeitung in die Programmierung von Flugrobotern. Weitere Informationen erhalten Sie auf Anfrage per E-Mail.

Hinweise zur Bewerbung

• Freude an der Programmierung
• Interesse am Robot Operating System
• Gute Englischkenntnisse erforderlich
• Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
• Selbstständige Arbeitsweise
• Beginn jederzeit möglich

• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
• Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden