Robuste prädiktive Kraftregelung mittels Gaußscher Prozessmodelle

In der Robotik werden interaktive Aufgaben mit unbekannten oder sich verändernden Umgebungen immer wichtiger. Hierbei sollen Roboter mit ihrer Umgebung interagieren und auf externe Einflüsse geeignet reagieren. Diese Aufgaben treten sowohl bei Mensch-Roboter-Interaktionen als auch bei der Manipulation von Objekten auf. Eine Möglichkeit zur Beschreibung dieser Interaktionen sind die auftretenden Kontaktkräfte.

Ziel der Masterarbeit ist der Entwurf einer robusten Regelung für Kontaktkräfte in der Robotik. Hierbei soll eine modellprädiktive Regelung verwendet werden, deren zugrundeliegende Modelle durch Gaußsche Prozesse gelernt und adaptiert werden können. Um Garantien für die robuste Einhaltung von Beschränkungen und Lösbarkeit geben zu können soll eine Kombination von tube-basierten prädiktiven Reglern mit nominellen und gelernten Modellen erfolgen..

Robotik, robuste Regelung, Maschinelles Lernen

Vorlesungen: Optimal Control, Nonlinear Control
Sprachen: Matlab

Beginn ab sofort möglich

theoretische Einarbeitung: 70%
Implementierung: 30%


Janine Matschek