Forschungsinitiativen und Sonderforschungsbereiche
Productive Teaming
Forschungsinitiative
ProductiveTeaming
Vor dem Hintergrund des rasanten technologischen Fortschritts besteht die zukunftsweisende Vision der Forschungsinitiative „Productive Teaming“ darin, die Zusammenarbeit von Mensch und Maschine auf eine neue Ebene zu heben. Ziel ist es, eine neue Generation dynamischer Mensch-Maschinen-Teams in Produktionssystemen zu ermöglichen, die komplexere und adaptivere Herausforderungen bewältigen können als heutige cyber-physische Systeme oder menschliche Teams. Im Gegensatz zur klassischen Produktionsautomatisierung, die weitgehend auf vordefinierten und starren Abläufen basiert, sollen teambasierte Produktionssysteme die Flexibilität und Anpassungsfähigkeit der Produktionsprozesse erhalten.
„Productive Teaming“ ist eine gemeinsame Forschungsinitiative der TU Chemnitz, TU Ilmenau und OVGU Magdeburg und ist aus dem Forschungs- und Innovationsnetzwerk Chemnitz-Ilmenau-Magdeburg (CHIM) heraus entstanden. Productive Teaming zielt darauf ab, die dem Menschen innewohnende Fähigkeit zur agilen Reaktion und Anpassung auf Störungen auch auf maschineller Ebene zu realisieren, um eine größtmögliche Flexibilisierung und Dynamisierung der Produktion zu ermöglichen. In diesem Zusammenhang ist es notwendig, die Zusammenarbeit zwischen Mensch und Maschine besser zu verstehen. Die TU Chemnitz hat hierzu zwei Leuchttürme mit unterschiedlichen Schwerpunkten eingerichtet.
Der erste Leuchtturm mit dem Titel "Information Seeking and Complex Problem Solving", unter der Leitung von Prof. Fred Hamker und Prof. Marco Ragni, verfolgt das Ziel, relevante Anforderungen und Herausforderungen eines Individuums in einer Teaming-Situation zwischen Mensch und Maschine zu identifizieren, um ein tieferes Verständnis des Teaming-Prozesses zwischen diesen zu generieren. Derzeit liegt der Fokus auf der experimentellen Analyse und einer ersten Klassifikation von Einflussfaktoren auf das Handeln des Menschen in komplexen Systemen. Der zweite Leuchtturm mit dem Titel „Human Factors for One Instant Teaming in HRC“ unter der Leitung von Prof. Angelika Bullinger-Hoffmann und Dr. Philipp Klimant beschäftigt sich mit der Mensch-Roboter-Kollaboration (MRK) mit Schwerlastrobotern. MRK-Arbeitsplätze können und sollen die zunehmende Komplexität von Produktionsprozessen und deren Flexibilisierung mit dem Ziel der Effizienzsteigerung ermöglichen. Um diese Ziele zu erreichen, ist jedoch eine angstfreie und vertrauensvolle Zusammenarbeit zwischen Mensch und Roboter notwendig. Durch einen kombinierten Ansatz aus Simulationsumgebungen (z.B. CAVE & Digitalfabrik) und einem realen schutzzaunlosen Industrieroboter kann das Erleben und Verhalten des Menschen in MRKs gefahrlos untersucht werden.
Weitere INformationen zu Productive Teaming erhalten Sie unter folgendem Link:
www.forschungsnetzwerk-chim.de/productive-teaming/
Hybrid Societies
Sonderforschungsbereich
Sonderforschungsbereich (SFB) "Hybrid Societies"
Untereinander koordinieren sich Menschen mühelos aufgrund ihrer Fähigkeiten zur Kommunikation, zum Erkennen von Absichten und zur Bewegungssteuerung. Sie weichen einander geschickt aus oder übergeben sich Gegenstände ohne Zeitverzögerung. Damit Begegnungen und Kooperationen in hybriden Gesellschaften ähnlich flüssig verlaufen, ist es notwendig, eine effiziente Koordination zwischen Menschen und verkörperten Technologien, wie zum Beispiel Robotern, zu erreichen. Das erfordert Wissen über zwischenmenschliche Interaktionen und technische Kompetenzen. Daher arbeiten im SFB „Hybrid Societies" Forscherinnen und Forscher aus den Bereichen Psychologie, Ingenieurwissenschaften, Informatik, Bewegungswissenschaften, Sprachwissenschaften, Gestenforschung, Soziologie, Physik, Mathematik und Jura eng zusammen. Die wissenschaftlichen Fragestellungen betreffen neue Formen der Mensch-Technik-Interaktion, die sich aus der schnellen Entwicklung verkörperter Technologien ergeben. Zu verkörperten Technologien zählen solche, die teilweise oder zeitweise von Menschen gesteuert werden wie bionische Prothesen oder Telepräsenzroboter sowie Avatare in virtuellen Realitäten.
Forschungsprojekte
Kognitive Modellierung
Kognitive Modellierung
Die Fähigkeit zur Schlussfolgerung aus Informationen ist ein Hauptforschungsbereich der Kognitionsforschung. Traditionelle Untersuchungen fokussieren auf räumliches, konditionales und syllogistisches Schlussfolgern. Komputationale Modelle gewinnen an Bedeutung, um menschliches Verhalten präzise zu erfassen. Ein Ziel ist die Entwicklung von Prozessmodellen, um Denkprozesse zu formalisieren und experimentelle Daten zu vergleichen. Bisher fehlen jedoch Modelle, die über Domänengrenzen hinweg und individuelle Unterschiede berücksichtigen und präzise Vorhersagen liefern können. Dieses Projekt zielt darauf ab, existierendes Wissen aus Theorien in ein einheitliches kognitives Modell zu integrieren. Dabei sollen interindividuelle Unterschiede berücksichtigt und Prozessmodelle automatisch generiert werden, um hohe Vorhersageleistung zu erreichen und sich an individuelle Unterschiede anzupassen. Die Methode ist frei von zusätzlichen theoretischen Annahmen und zielt ausschließlich darauf ab, die Vorhersagekraft zu verbessern, während die Erklärbarkeit durch den Ursprung der kognitiven Operatoren in Theorien gewährleistet bleibt. Das entwickelte Framework soll nicht nur das Schlussfolgern, sondern allgemein die Modellierung menschlicher kognitiver Prozesse vorantreiben.
Ansprechpartner:
Prof. Dr. Dr. Marco Ragni
Professur: Prädiktive Verhaltensanalyse
Fördermittelgeber: Deutsche Forschungsgemeinschaft
Laufzeit: 01.01.2024 - 31.12.2025
FLOW
FLOW
Das FLOW-Projekt zielt darauf ab, benutzerzentrierte V2X-Smart-Charging-Lösungen zu testen, zu validieren und zu verbessern und ihre orchestrierte Integration in Energieversorgungsnetze zu ermöglichen. Diese Lösungen sollen Flexibilitätsressourcen bereitstellen, um die Integration erneuerbarer Energien zu fördern und die Herausforderungen im Energieversorgungsnetz zu bewältigen.
Das Hauptziel von FLOW besteht darin, die Vorteile der Flexibilität von Elektrofahrzeugen zu maximieren, Netzprobleme zu lindern und die Dekarbonisierung der Energie zu fördern, während der Übergang zu elektrischer und nachhaltiger Mobilität vorangetrieben wird. Das Projekt umfasst Aktivitäten an fünf Demonstrationsstandorten in Tschechien, Irland, Italien, Dänemark und Spanien und wird von 25 Partnern durchgeführt, darunter KMUs, Großunternehmen und akademische Institutionen.
Weitere Informationen erhalten Sie unter theflowproject.eu
Human Factors in HRC
Productive Teaming: Leuchtturmprojekt „Human Factors for One Instant Teaming in HRC”
Ziel des Projektes in 2023 war die Gestaltung eines Experimentes mit einem Use-Cases im Rahmen der Exzellenzinitiative „Productive Teaming“ in der ein Mensch und Roboter eine Teamingaufgabe durchführen. Aufgrund eines fehlenden Praxispartners im Umgang mit Robotern wurde das Experiment in einer virtuellen Umgebung als Vorarbeit umgesetzt. Abbildung 1 zeigt die im Projekt durchgeführte realitätsnahe Umsetzung in die virtuelle Realität. Auf Basis dieser Übertragung wurde ein Experiment mit folgenden Zielen erstellt:
a) die Untersuchung des Einflusses der Robotergröße im Rahmen der Modellaufgabe sowie b) die Untersuchung der Eigenschaften einer vorhersagbaren Roboterbahn im Kontext des Mensch-Maschine-Teamings. Zur Untersuchung der Vorhersagbarkeit von Roboterbahnen wurden Bahnen aus Vorprojekten weiterverwendet und durch weitere Bahnen ergänzt. Dabei wird sich an vorhersagbaren Bahnen aus der Literatur orientiert.
Generell ist eine Vergleichbarkeit von realen und simulierten Umgebungen gegeben. In diesem Rahmen konnte aus Datenanalysen aus Vorgängerprojekten zurückgegriffen werden, um diese Hypothese zu stützen. Eine Durchführung des geplanten Experimentes ist noch in Q1/2024 vorgesehen. Generell ist vorgesehen, dieses Experiment anhand des aufgebauten Demonstrators in die Realität zu überführen.
Ansprechpartner: Prof. Dr. Angelika Bullinger-Hoffmann, Dr. Philipp Klimant
Fördermittelgeber: SMWK
Zeitraum: 01.01.2023 – 31.12.2023
Information Seeking and Complex Problem Solving
Productive Teaming: Leuchtturmprojekt „Information Seeking and Complex Problem Solving“
Zentrale Module des Information Seeking sind (visuelle) Aufmerksamkeit, Kognition, Handlungsplanung, Prognose von Sicherheit bzw. Unsicherheit, und Arbeitsgedächtnis, aber ebenso das Lernen. In Vorarbeiten haben wir verschiedene Modelle für Kognitive Agenten entwickelt, die gegenüber den aktuell dominierenden Deep Neural Networks eine größere kognitive Anpassungsfähigkeit durch Interaktion erlauben und sich somit perspektivisch für das Mensch-Maschine Teaming eignen. Im Fokus stehen Ansätze, deren Funktion vom Vorbild des Gehirns abgeleitet wird, insbesondere lernende Systeme auf Basis von Kortex – Basalganglien Schleifen.
Im Rahmen vom Complex Problem Solving (CPS; Komplexes Problemlösen) wurden Faktoren wie Persönlichkeitseigenschaften untersucht, die für den individuellen und teambasierten Erfolg relevant oder sogar prädiktiv sein können. Derzeit wird zudem eine Studie durchgeführt, die angewandte Strategien beim erfolgreichen Lösen von komplexem Problemlöseszenarien identifiziert. Außerdem entwickeln wir ein neuronales Netz, das komplexe Probleme lösen kann, um dadurch die Grundlage für das Teaming zwischen menschlichen und künstlichen Agenten für beide Akteure zu schaffen.
Ansprechpartner: Prof. Dr. Fred Hamker, Prof. Dr. Dr. Marco Ragni
Professsuren: Künstliche Intelligenz, Prädiktive Verhaltensanalyse
Fördermittelgeber: SMWK
Zeitraum: 01.01.2023 – 31.12.2023
Mensch-Roboter-Teaming
Productive Teaming: Leuchtturmprojekt Mensch-Roboter-Teaming
Demonstrator
Für das Forschungszentrum Mensch und Technik entwickelt die Professur für Neurorobotik einen Demonstrator zur Untersuchung der Mensch-Roboter-Kooperation. Der Demonstrator stellt eine vereinfachte kooperative industrielle Arbeitszelle dar, wie sie im Konzept Industrie 5.0 Anwendung findet. Im Gegensatz zu Industrie 4.0 steht hier der Mensch und die Nutzung der jeweiligen Stärken von Menschen und Roboter im Vordergrund. Ziel des Demonstrators ist es, gemeinschaftlich ein Objekt zu montieren. Es wird in zwei Modi unterschieden: zum einen das getrennte Bauen an der gemeinsamen Konstruktion (kooperativer Modus) und zum anderen das gemeinsame Arbeiten, wie z.B. das Halten eines Objektes bei statischer Instabilität (kollaborativer Modus). Dabei wurde ein modularer Aufbau der Hard- und Software umgesetzt, um eine schnelle Kooperation zwischen verschiedenen Lehrstühlen und Forschungsrichtungen zu ermöglichen. Die Basis des Systems bildet der Roboter Panda, dessen Umgebung von mehreren Tiefenkameras überwacht wird. Zusätzlich können mit einem Projektor kontextspezifische Inhalte auf die Arbeitsfläche projiziert werden. Zwei Monitore und Lautsprecher ermöglichen zum einen die Montageaufgaben von Menschen und Roboter darstellen und zum anderen durch virtuelle Augen, die die Intention des Roboters zu vermitteln. Mittels Tiefenkameras wird kontinuierlich die Skeletterkennung des Nutzers durchgeführt, um den Abstand zwischen Mensch und Roboter zu berechnen. Das Feedback-System besteht aus folgenden modularen Komponenten:
-
Darstellung der Montageaufgabe
- Wiedergabe der Distanz zwischen Roboter und Mensch als Farbrahmen und daraus folgende Anpassung der Robotergeschwindigkeit
- Vermittlung der künftigen Greifpose durch virtuelle Augen
- Projektion der Bewegungstrajektorie mittels eines Beamers
- Tonwiedergabe für den Abschluss von Montageaufgaben des Roboters
Ansprechpartner Demonstrator: Prof. Dr. Florian Röhrbein
Professur: Neurorobotik
Forschungsfragen
Professur Arbeitswissenschaft und Innovationsmanagement: Die Auswirkung von impliziter und expliziter Kommunikation und menschlicher Aufmerksamkeit (Workload) auf die Verstehbarkeit (Explainability & Legibility) von robotischen Bahntrajektorien (Abhängige Variable: Verständnis und Trust)
Professur Neurorobotik: Wie beeinflussen verschiedene Feedback-/Intentionssysteme die Kooperation zwischen Mensch und Roboter an einem kollaborativen Arbeitsplatz?
Professur Künstliche Intelligenz: Entwicklung von Konzepten des Information Seeking nach dem Vorbild des menschlichen Gehirns zur Realisierung von neuro-kognitiven Agenten. Ziel ist die Entwicklung von kognitiver Flexibilität, so dass der Roboter auf unterschiedliche, wechselnde Randbedingungen adäquat reagieren kann.
Professur Prädiktive Verhaltensanalyse: Wie lösen Menschen Konstruktionsaufgaben auf unterschiedlichen Komplexitätsleveln und wie passen sie sich dabei an das Verhalten von menschlichen oder maschinellen Kooperationspartnern an?
Allg. Projekt-Ansprechpartner: Prof. Dr. Dr. Marco Ragni
Laufzeit: 02 .- 07.2024
Fördermittelgeber: SMWK
