iRP参与了多个国际研究的研发项目
组织和行业合作伙伴。
MiRPA的应用并不局限于机器人领域。每当需要模块化、可扩展和灵活的实时系统时，MiRPA就会带来巨大的优势。
决策树方法
该方法以决策树为基础，实现了任意输入值的n维空间在线轨迹生成(图1)，各自由度之间的同步如图2所示。该图说明了一个简单的情况下，三阶在线轨迹生成与不同步的三自由度。对应于图1，必须指定将8n维空间映射到3n维空间的函数(笛卡尔空间N = 6)。该函数的定义是本研究工作的主要部分。一旦定义，它将导致如图3所示的具有矩形突跳的经典弹道级数，这描述了三阶弹道的最平凡的情况。
系统概述
图2所示为本研究所开发的系统。在第一步中，使用符号空间关系指定装配组(图3)。用户只需单击适当的表面即可完成此操作。系统可以自动检测用户可能产生的矛盾和错误。
在确定装配组后，采用装配-拆卸策略生成装配序列。
在确定装配序列后，必须应用无碰撞路径规划器。
此外，装配操作必须转化为适当的技能基元网。技能基元网由技能基元组成，图中节点表示技能基元，边用入口条件标注。每个技能原语代表一个基于传感器的机器人运动。
有了这个概念，许多不同的传感器可以同时使用。目前我们已经使用了相机和力扭矩传感器。
这些过程的规划是在虚拟环境中进行的，因此可能会发生现实世界和虚拟世界之间的位移。运用技能基元网对这些位移进行了成功的处理。据此，提供了一个用于计划、评估和执行装配任务的系统。
灵活和自动化的物料流动，例如在不同的工作单元和计算机控制的仓库之间，在现代工厂环境中变得越来越重要。为了获得这样的灵活性，显然需要使用自动制导车辆(AGV)。许多从文献中得知的自动驾驶汽车概念都使用高度专业化的车载传感器系统来在环境中导航。与这些概念相比，我们提出的柔性运输系统monmove仅使用简单、低成本的载具传感器，并结合全球监测系统和全球导航系统。这种全球监控和全球导航的结合使运营商无需任何固定的预定义路径即可导航。
即使在简单的情况下，最优机器人路径的选择也取决于许多因素(例如障碍物密度、运动方向、速度)。因此，数学模型是统计运动规划的重要基础。为了描述障碍物运动，研究人员开发了两种精度和复杂性不同的模型:随机轨迹允许根据碰撞概率和预期驾驶时间(考虑到到达目标的时间也取决于非确定性规避机动的成本)对机器人路径进行精确评估。随机网格是一种更简单的表示方法，用于以最小碰撞概率规划机器人轨迹。
由统计方法生成的路径已经被评估，并与传统规划器获得的结果进行了比较，从而使路径长度最小化。自然地，统计上规划的路径更长，因为它们故意包含弯路。然而，在动态环境中，与传统轨迹相比，绕路可以显著降低碰撞概率和预期驾驶时间。
项目描述
在与Klinik und Poliklinik für Hals-Nasen-Ohrenheilkunde/Chirurgie的“Rheinische Friedrich-Wilhelms-Universität Bonn”的合作研究项目范围内，我们正在研究允许机器人操纵器在鼻内手术期间完全自主地引导内窥镜的方法。本课题的目标是一种满足以下要求的内窥镜智能引导:
项目目标
本研究项目的主要目标是开发和评估计算机和机器人辅助方法，以支持这一具有挑战性的外科手术。结合图像分析、力/力矩引导机器人控制、术前规划和模拟，提高可达到的复位精度。
半自动化骨折复位圆柱形物体的位姿估计-摘要
下面我们将给出我们在三维空间中计算破碎圆柱形物体之间相对目标转换的方法的结果。
我们首先计算每个圆柱形物体的轴的位置和方向。这是通过一个特别适应的霍夫变换实现的。这些轴是骨折分割最重要的属性，也可以用作初始姿态估计(约束约简问题整体6个自由度中的4个)。
经过这些预处理步骤，可以使用已知的表面配准算法计算相应裂缝段之间的相对转换。在这里，我们使用了一种特殊的2D深度图像相关和ICP(迭代最近点)算法的变体。项目目标是使用这些方法计算骨碎片的目标姿势，以便通过机器人实现计算机辅助的半自动骨折复位。
使用带有触觉反馈的远程机械手骨折复位-总结
我们开发了一个复杂的系统，该系统允许使用机器人作为远程机械手来支持骨折复位过程。我们的机器人是一个标准的工业Säubli RX 90机器人。外科医生通过具有触觉反馈的操纵杆控制机器人。术中三维骨折成像是外科医生复位时的基础信息。这些3D体积图像由PC自动分割，从而得到骨折段的高度详细的表面模型(见下图)，外科医生可以使用该模型精确地将碎片移动到所需的目标姿势。光学导航系统确保在PC显示器上呈现的3D场景始终与真实手术情况一致;虚拟3D模型总是以与真实骨碎片相同的方式移动，由机器人移动。
所有作用在操作现场的力和扭矩都可以通过安装在机器人手上的力/扭矩传感器来测量。这些力被反馈给操纵杆。通过这种方式，外科医生能够感受到由于分散的肌肉或骨折节段之间的接触而作用在患者身上的力。
结果
在第一个系列测试中，我们在解剖实验室使用破碎的人骨(没有周围软组织)对远程操纵器系统进行了评估。结果表明，对于简单裂缝，可以实现均值约为2°和2mm的复位精度。即使是复杂裂缝，可实现的精度也低于4°。从临床的角度来看，这些值是可以接受的。
此外，远程操纵系统还在人体尸体上进行了测试;完整标本，骨折周围软组织完整。结果与上面概述的结果类似。此外，我们还可以证明，对于相同的骨折，由经验丰富的外科医生进行的远程操作复位精度明显高于手工复位。
结论
所提出的可视化形式和与股骨骨折复位远程操纵器系统的交互被证明是有效和直观的。所有测试人员都能够在短时间学习后进行可靠的约简，并具有较高的约简精度。这些结果清楚地显示了机器人骨折复位的潜力，这将确保未来此类手术的高质量结果。
使用鱼眼相机的优点是可以将整个房间映射到一张图像上。一个针孔式或泛倾斜变焦相机只能映射房间的一部分。
为了检测夜间跌倒，我们正在整合积极的方法。红外线灯安装在房间的不同位置，首选在天花板上。影子信息是用来区分站着的人和躺着的人。从下图中可以看出，一个站着的人的影子要比一个躺着的人的影子大得多。
到目前为止，我们只考虑了摔倒检测，但预防摔倒当然是另一项具有挑战性的任务。步态的变化可能是由疾病引起的，并可能导致跌倒。视觉摔倒预防可以检测到这些变化，例如通知全科医生。
这项工作得到了德国电信的大力支持
方法
在我们的许多车辆检测方法中，我们使用了一个自上而下的视图，该视图是通过反向透视映射(IPM)将相机像素投影到街道上生成的，如下图和相应的视频所示。在这个视图中，我们正以直角向下看街道飞机。这样，街道平面任意两点的距离计算无需考虑透视映射，简化了许多算法的处理。
我们的方法之一是使用这种自顶向下的视图来生成描述街道预期外观的街道纹理。在下面的图中(也有视频)，你可以在右列看到生成的街道纹理，在左列看到源图像。上面一行显示了从摄像头看到的视图，下面一行显示了相应的自顶向下视图。将源图像和街道参考纹理进行比较，以检测下图和视频中绿线所示的接近车辆。
由于我们每边只有一个摄像头，我们不能用立体视觉来收集3D信息。但因为汽车在移动，我们可以用运动结构。该技术使用不同视角的两个场景视图对3D世界中的点进行三角定位，并计算出它们的确切位置。结果是通过区域的三维散点图。
结果
下图是这样一个散点图的例子(图片:3D散点图)。图中的每一个点都代表一个真实的3D点。街道水平的点用红色表示，障碍物(=街道水平以上的点)用黑色表示。如果每个3D点都投影在地平面上的对应点上，就会创建一个自顶向下的视图，显示从上面看到的整个场景。现在模式变得可见，可以清楚地识别。例如，汽车的形状就像字母“U”。如果在自上而下的视图中可以找到其中的一些，则可以清楚地识别车辆的位置。免费停车位现在通过搜索这些汽车之间的空闲空间来检测。有关该过程的说明，请参见下图。被识别的车辆用红色突出显示，空闲空间用绿色标记(图片:场景的俯视图)。 If a parking space is found, the automated parking process can be initiated.
实验飞行器:保罗
目前的实验车辆Paul(德语:“Parkt allein und lenkt”)使用了我们基于视觉的停车位检测。保罗在2008年汉诺威博览会上展示了大众汽车的停车场辅助视觉系统。
562合作研究中心的目标是发展基于闭合运动链的机器人系统的方法和组件相关的基础知识，以提高这些机器人的潜力，特别是在高运行速度、加速度和精度方面。
为了减少处理和装配应用程序的顺序时间，最基本的目标是在给定的工艺精度的工作空间中提高操作速度和加速度。如果使用传统的串行机器人系统，这些不断增加的需求将陷入恶性循环。在这种情况下，基于并行结构的新型机器人系统的要求是非常重要的。由于平行结构的框架结构采用质量较差的杆单元，为主动减振提供了理想的平台。将这些自适应电子元件与特殊的自适应控制元件集成是一种有前途的有效方法，可以使机器人更精确、更快，从而提高生产率。
562合作研究中心的基本课题是:
参与“机构”:
