• 认知与机器人研究所- CoR-Lab

• CoR-Lab提供什么?
  • 技术转让
  • 有关认知及学习科技的讲座及简报
  • 培养高素质人才
  • 在研究和教学方面的合作项目
  • 信息交换
  • 在个别措施上的合作
  • 学生项目联系
  为了应对这些问题对机器人技术的巨大挑战，2007年7月，在德国创新科学部的支持下，比勒费尔德大学成立了“认知与机器人研究所(or - lab)”，主要由神经信息学研究小组(H. Ritter教授，J. J. Steil教授)和应用计算机科学研究小组(G. Sagerer教授)参与。北莱茵-威斯特法伦州研究与技术，并与工业伙伴本田欧洲研究院有限公司(HRI-EU)建立战略合作伙伴关系。在这一持续的合作关系中，HRI-EU在2007-2012年为联合研究生院的研究项目贡献了两个ASIMO机器人。2012年，本田与CoR-Lab的特殊合作关系又延长了四年，双方将继续在机器人、机器学习和驾驶辅助等领域开展新的研究项目。
  参与CoR-Lab的研究小组因其在人工认知、计算机视觉、神经网络和机器学习以及人机交互方面的工作而闻名。他们控制着大量独特的机器人平台，包括两个人形iCub机器人，几个Nao机器人，拟人机械手，库卡LWR兼容的手臂，仿生处理助手，以及更多的服务机器人。
  自2007年成立以来，CoR-Lab在这些广泛的智能系统技术领域获得了能力，并日益关注应用研究，使其越来越多地成为东威斯特法伦-利佩地区先进智能技术从基础研究向工业应用转移的中心。通过与区域行业合作伙伴的联合项目，它通过组织优秀研究的转移来支持国内中型经济，例如，从比勒费尔德认知交互技术卓越中心CITEC到corc - lab到应用合作伙伴的转移链。基于这一目标，CoR-Lab还为比勒费尔德大学对BMBF Spitzencluster it 's -owl(智能技术系统)的贡献发挥了主导作用。

• 项目

• 这是猫头鹰

• 为机器添加智能。
  面向未来市场的高科技。在西威斯特法伦利佩，一个包括经济和科学的技术网络正在发展，即将为智能产品和生产系统制定世界标准。集群智能技术系统OstWestfalenLippe简而言之，OWL被视为工业4.0的先驱，为德国作为工业基地的竞争力做出了重要贡献。在联邦教育和研究部的前沿集群竞赛中获奖，是其OWL质量的标志。
  174家公司、研究机构和组织在it的OWL网络内进行合作。在经济和科学的共同努力下，他们接近从机电一体化到智能技术系统的创新飞跃。机械工程、电气和汽车供应行业的全球市场领导者与顶级研究机构合作。
  45个项目总预算为1亿欧元，将开发新一代产品和生产系统的技术，包括从自动化和驱动解决方案到机器、车辆、家用电器到智能电网和网络生产工厂。
  联邦教育和研究部为这些活动提供了4000万欧元。
  这项技术该平台将为众多生产企业提供服务。这是东威斯特法伦利佩地区增长和就业的强大动力。
  
  技术概念
  是工程科学和信息学智能技术系统共同努力的结果
  
  • 与环境互动并自主适应(适应性)，
  • 在动态环境中应对意外情况(稳健)，
  • 在经验知识的基础上预测不同影响的影响(预期)，
  • 并考虑个人用户行为(用户友好)。
  智能技术系统
  • 帮助创建产品和生产系统的新功能，为用户提供更方便的操作，
  • 改进开发、安装、维护和生命周期管理，
  • 提高可靠性、安全性和可用性，
  • 提供能源和材料等资源的更有效利用，
  • 并允许个性化和多变的生产过程。
• • 

• FlexIRob -运动学习在你的指尖

• 使机器人成为与人类高效、安全地合作的同事是当前机器人研究的一个主要目标。在比勒费尔德大学的科尔实验室，研究人员使用学习和交互技术来控制顺从机器人，如库卡轻量级机器人(LWR)，以实现这种人机交互。研究成果不断集成在展示机器人系统“FlexIRob”中，为灵活的机器人同事和先进的人机协作场景提供了测试平台。
  
  在当前的设置中，FlexIRob允许在工作空间的不同区域教冗余机器人各种零空间约束。没有特殊机器人知识的用户可以在与兼容机器人的物理交互中执行此任务，例如重新配置工作单元环境。经过短暂的训练阶段，学习的自适应映射解决了机器人的逆运动学问题。它被嵌入到系统的运动控制器中，因此允许在任务空间中执行任意运动，尊重学习到的零空间约束。这是我们朝着灵活的机器人同事系统的愿景迈出的一大步，因为它避免了以前完成这项任务的标准方法所需要的复杂的手动编程。
• • 
• • 

• AMARSi -丰富运动技能的自适应模块化架构

• AMARSi是欧盟资助的第七框架计划研究项目。该项目是一个大型集成项目，属于信息与通信技术类别，单元E5:认知系统、交互和机器人。
  
  与机器人相比，人类和动物的运动技能仍然令人震惊。AMARSi的目标是在机器人运动技能上实现质的飞跃，以实现生物丰富性。AMARSi的目标是:在iCub人形机器人和四足机器人Oncilla身上进行丰富的运动技能的实验和演示。机器人丰富的运动技能将对我们的社会产生巨大的影响。机器人灵巧和熟练的动作将使它们更适合于大量的任务。顺从和自然的动作将使他们融入日常生活，安全和心理上可接受。
  
  AMARSi的研究主要集中在三个主要领域:生物学、机器人和软件方法。七个研究课题(或工作包)紧密集成。
  
  • 人类运动原语-工作包1
  • 兼容系统-工作包2
  • 形态计算-工作包3
  • 自适应模块-工作包4
  • 学习-工作包5
  • 架构——工作包6
  • 机器人实验-工作包7
  • 传播和培训-工作包8
  • 管理与协调——工作包9
• • 
• • 
• • 

• 研究小组

• • 

  • 认知机器人与学习

  • 该研究小组在机器学习、认知和人机交互的边界上组织。最终目标是在人机合作中实现交互式学习。该研究小组研究了有效的终身学习方法，用于行为生成、运动学习和视觉物体识别，以最大限度地提高机器人系统的自主性和适应性。特别是，模仿学习和自举过程是中心研究领域。该研究小组的应用领域包括ASIMO、iCub、轻型KUKA LWR机械臂和其他机器人的行为学习和生成，用于物体识别的视觉在线学习，以及用于生成包括音频和视频信号在内的复杂时间序列的自主学习方法。
    
    主要的方法焦点是神经学习方法，特别是循环水库网络，以及其他机器学习方法到交互式场景的转移，这需要高计算效率和在线学习能力。在这个领域特别感兴趣的是生成方法，它允许在分类或预测的同时生成行为。“ALEGRO”和“生成库理论”项目涵盖了生成模型的重要方法学方面。
    “灵活全身运动的神经学习”和“人类目标导向的模仿学习”项目追求通过模仿学习实现运动控制和技能习得的自主引导。中心目标是了解与运动学习和模仿学习相关的认知和发展方面。研究小组采用综合方法，通过实现这些过程的计算模型来解决这一背景下的重要问题。
    
    该研究小组还为FP7-IP大型项目AMARSi——丰富运动技能的自适应模块化架构贡献了神经学习方法和机器人实验，该项目由Steil教授协调。
• • 

  • 认知系统工程

  • 认知机器人是一种实验研究活动，结合了机电一体化、信息学和认知科学的研究成果。创建认知机器人需要构建能够使其行为适应复杂、快速变化的环境的系统，而这些环境是无法预先完全建模的。如今，许多由此产生的挑战都可以在单个算法或针对特定场景调整的先进机器人硬件的层面上成功解决。
    为了为机器人系统在日常人类环境中发挥作用提供途径，并作为进入消费市场的先决条件，必须在系统层面上确保这些属性，其中包括高级机器人必须具备的技能网络。认知系统工程小组的目标是研究软件架构和工程原理，以便有效地集成、实现和整合不同技能的网络，以构建复杂的认知机器人系统。
    
    掌握复杂机器人系统的(技术)集成的基本前提是对机器人中间件技术的可用性和深入理解。出于这个原因，尽管有ROS之类的框架可用，我们决定进一步开发一个定制的、但非常轻量级的、开放的机器人中间件，称为RSB。这种所谓的机器人服务总线(RSB)是一种高效的面向消息、事件驱动的中间件，旨在实现异构环境中机器人系统的可伸缩集成。它是完全开源的，可用于各种操作系统，具有许多流行编程语言的实现。由于我们参与HUMAVIPS欧盟项目，将在HUMAVIPS开放门户页面为NAO人形机器人提供特定的平台支持。请在相应的项目网站上找到更多信息和ROS概念的比较。
• • 

  • 混合的社会

  • 当认真对待当前机器人研究的推理时，我们必须面对这样一种可能性:在未来，人类和机器人将共同生活在一个共享的环境中，形成一个自然和人工智能体的混合社会。因此，我们可以期待看到越来越多的人类与机器人互动。这一愿景提出了新的研究问题和机会，我们希望在研究小组“混合社会”中解决这些问题。
    
    一方面，机器人将能够从与人类的互动中获益。当涉及到理解和处理现实世界中的任务时，人类是专家，他们是机器人的宝贵信息来源。但是机器人如何利用这些信息呢?在我们的团队中，我们的目标是使机器人能够接受人类的指导。研究表明，在辅导情况下，成年人会为婴儿提供专门设计的输入。如果机器人表现出一定程度的社会行为，我们希望在人机辅导的情况下看到类似的行为。基于这种行为，我们目前正在确定如何让机器人理解演示动作的含义，并检测何时正在演示动作，以便机器人学习。
    
    另一方面，机器人的主要目标是帮助人类并支持他们的日常活动。然而，为了让机器人真正有用，它们不仅必须能够学习和执行任务和行动。他们还必须表现出社会可接受的行为，并为他们的互动伙伴所理解和可预测。这不仅需要对话管理组件建模的交互的命题内容，它能够在用户和机器人之间建立共享信息的公共基础。此外，机器人应该能够通过阅读人类的情绪表达并产生适当的情绪信号来考虑互动的情感成分。我们认为，这种情绪行为的一致性将使与机器人的互动不仅更令人满意，而且更有效。

• 技术转让

• • 

  • • 技术转让

    • 企业转让与合作报价
      
      下一代智能机器人将作为工业领域的助手，并将带来自身的知识和能力，这将使它们能够自主行动。该愿景是为企业定制的工业解决方案，具有最大的可变性、简单的处理和灵活性。
      这一愿景对人机协作和通信提出了新的挑战，如交互中的安全性，并要求提高鲁棒性、效率、准确性和经济性。
      
      CoR-Lab旨在通过与地区工业合作，提高东威斯特伐利亚和利佩地区(OWL)各自的学习和认知技术潜力，并通过联合研讨会、FuE项目和网络帮助企业提高在这一即将到来的高科技领域的竞争能力。在CoR-Lab的研究生院培养高素质的工程师，也有助于创新力量和地区的经济发展。