Kostendruck und individualisierte Massenproduktion wirken sich auf die Qualitätsprüfung aus. Infolgedessen haben sich automatisierte Prüfsysteme in den letzten Jahren hervorgetan. Derzeit ist vorab ein hohes Maß an Expertenwissen erforderlich, um das richtige Messverfahren in Abhängigkeit eines Messmerkmals auszuwählen. Das vorliegende Konzept beschreibt einen skill-basierten, lösungsneutralen Modellierungsansatz, der eine deutliche Reduktion von Planungsaufwänden insbesondere im Hinblick auf die Qualitätsprüfung bei Losgröße Eins verspricht. Cost pressure and individualized mass production have an impact on quality assurance. Consequently, automated inspection systems excelled in recent years. These days, a great amount of expert knowledge is required in advance to select the proper measuring method in dependence of the measurement feature. The presented concept describes a skill-based, solution-neutral modelling approach which promises a significant reduction of planning effort in particular in regard to the quality assurance of batch size one.
Podria donar-se el cas que qui creï un robot que interactua amb humans desconegui quins són els requeriments legals que ha de seguir per a complir amb la llei, ja sigui perquè no existeixi una llei específica per a dit producte, perquè no sigui molt clar quins són els impactes que dits dispositius tenen a nivell legal o simplement perquè la llei és massa genèrica i sigui necessària una concreció al cas concret. D'altra banda, no és menys cert que el ràpid avenç de les noves tecnologies també dificulta la resposta del sistema legislatiu: per exemple, la regulació de vehicles i transport no contempla un vehicle autònom sense conductor com a categoria, així com tampoc un hominoide que va pel carrer gaudeix de cap categoria concreta com altres (vianant, motocicleta, camió) tenen. Per aclarir, així doncs, quins són els aspectes legals a tenir en compte davant la creació d'una nova tecnologia – en aquest cas un robot – és important conduir un anàlisi dels diferents impactes que aquests poden tenir a nivell legal. Aquesta avaluació s'hauria de fer, primer de tot, amb les regulacions existents i així determinar si la creació tecnològica es manté dins l'espai de llibertat legal. Si dit espai no s'oposa a la creació, els roboticistes podran continuar desenvolupant-la. En canvi, si els roboticistes troben algunes limitacions bé podran 1) ajustar el robot a les demandes del marc regulador existent; 2) iniciar una negociació amb el legislador per a canviar la llei, de manera que el robot compleixi amb la nova normativa; o 3) dur a terme el pla original i assumir el risc de no ser conforme a la normativa. El legislador pot, per altra banda, discutir les regulacions existents amb els desenvolupadors de robots i donar una resposta jurídica en conseqüència. En un món idíl·lic, els robots no comporten cap espècie de risc i, per tant, qualsevol amenaça podria abordar-se des de la prevenció, i qualsevol oportunitat des de la facilitació. La realitat nogensmenys és molt més complexa i tot sovint els impactes són ben incerts, ...
Künstliche Intelligenz (KI) ist eine Dual-Use-Technologie: Einerseits kann sie zur Erhöhung der Cybersicherheit eingesetzt werden, andererseits können feindliche Angriffe mittels KI effektiver durchgeführt werden. KI-Systeme und Roboter können darüber hinaus Gegenstand neuartiger Angriffe werden. Dies wirft eine Reihe neuer Rechtsfragen auf, die das Werk eingehend behandelt, etwa: Welche Vorgaben trifft das deutsche IT-Sicherheitsrecht spezifisch für KI-Systeme sowie smarte Robotik? Welche Gewährleistungsrechte bestehen bei IT-Sicherheitsmängeln von Robotern bzw. KI-Systemen? Wer haftet wann bei der Verwendung smarter Robotik oder von KI-Anwendungen, sofern es zur Verletzung von IT-Sicherheitsstandards kommt?
Zugriffsoptionen:
Die folgenden Links führen aus den jeweiligen lokalen Bibliotheken zum Volltext:
Dans cette thèse de doctorat, nous étudions comment des véhicules autonomes peuvent apprendre à garantir la sûreté et à éviter les accidents, bien qu'ils partagent la route avec des conducteurs humains dont les comportements sont incertains. Pour prendre en compte cette incertitude, nous nous appuyons sur les observations en ligne de l'environnement pour construire une région de confiance autour de la dynamique du système, qui est ensuite propagée au cours du temps pour borner l'ensemble des trajectoires possibles des véhicules à proximité. Pour assurer la sûreté en présence de cette incertitude, nous avons recours à la prise de décision robuste, qui préconise de toujours considérer le pire cas. Cette approche garantit que la performance obtenue pendant la planification sera également atteinte sur le système réel, et nous montrons dans une analyse de bout en bout que la sous-optimalité qui en résulte est bornée. Nous en fournissons une implémentation efficace, basée sur des algorithmes de recherche arborescente.Une seconde contribution est motivée par le constat que cette approche pessimiste tend à produire des comportements excessivement prudents : imaginez vouloir dépasser un véhicule, quelle certitude avez-vous que ce dernier ne changera pas de voie au tout dernier moment, provoquant un accident ? Ce type de raisonnement empêche les robots de conduire aisément parmi d'autres conducteurs, de s'insérer sur une autoroute ou de traverser une intersection, un phénomène connu sous le nom de « robot figé ». Ainsi, la présence d'incertitude induit un compromis entre deux objectifs contradictoires : sûreté et efficacité. Comment arbitrer ce conflit ? La question peut être temporairement contournée en réduisant au maximum l'incertitude. Par exemple, nous proposons une architecture de réseau de neurones basée sur de l'attention, qui tient compte des interactions entre véhicules pour améliorer ses prédictions. Mais pour aborder pleinement ce compromis, nous nous appuyons sur la prise de décision sous contrainte afin de considérer indépendamment les deux objectifs de sûreté et d'efficacité. Au lieu d'une unique politique de conduite, nous entrainons toute une gamme de comportements, variant du plus prudent au plus agressif. Ainsi, le concepteur du système dispose d'un curseur lui permettant d'ajuster en temps réel le niveau de risque assumé par le véhicule. ; In this Ph.D. thesis, we study how autonomous vehicles can learn to act safely and avoid accidents, despite sharing the road with human drivers whose behaviours are uncertain. To explicitly account for this uncertainty, informed by online observations of the environment, we construct a high-confidence region over the system dynamics, which we propagate through time to bound the possible trajectories of nearby traffic. To ensure safety under such uncertainty, we resort to robust decision-making and act by always considering the worst-case outcomes. This approach guarantees that the performance reached during planning is at least achieved for the true system, and we show by end-to-end analysis that the overall sub-optimality is bounded. Tractability is preserved at all stages, by leveraging sample-efficient tree-based planning algorithms.Another contribution is motivated by the observation that this pessimistic approach tends to produce overly conservative behaviours: imagine you wish to overtake a vehicle, what certainty do you have that they will not change lane at the very last moment, causing an accident? Such reasoning makes it difficult for robots to drive amidst other drivers, merge into a highway, or cross an intersection –an issue colloquially known as the "freezing robot problem". Thus, the presence of uncertainty induces a trade-off between two contradictory objectives: safety and efficiency. How does one arbitrate this conflict? The question can be temporarily circumvented by reducing uncertainty as much as possible. For instance, we propose an attention-based neural network architecture that better accounts for interactions between traffic participants to improve predictions. But to actively embrace this trade-off, we draw on constrained decision-making to consider both the task completion and safety objectives independently. Rather than a unique driving policy, we train a whole continuum of behaviours, ranging from conservative to aggressive. This provides the system designer with a slider allowing them to adjust the level of risk assumed by the vehicle in real-time.
In the mobile robots community, particular interest in research in autonomous vehicles has been carried out extensively since the last decade. However, the role of mobile robots capable of delivering freight for the last-mile delivery solution is still under study. Freight Urban Robotic vehicle; FURBOT is one such vehicle that is being developed continuously for the last-mile delivery solution. The difference in this vehicle is the capability to load the freight into itself without physical human intervention. Currently, the vehicle is a complete drive-by-wire vehicle, and studies are being conducted to introduce autonomous capabilities in the vehicle. This thesis is an attempt forward in that direction. Three different aspects of the vehicle, which include; autonomous navigation, autonomous freight handling capabilities, and technical management associated with this upgrading, are studied in this thesis. A mathematical model for the vehicle was built for autonomous navigation, which did not exist beforehand for the vehicle. After developing the model, obstacle avoidance techniques were created, and the controller was verified for the proposed methods. The highlight ofthe thesis involves enhancing the capabilities of an already built freight handling structure. This involves upgrading the pre-existing pallet handling robot, parking pose generation for autonomous freight handling and the design of the approach to the specific parking pose. To complete the vehicle's journey from a drive-by-wire to an autonomous vehicle, in-depth analysis is performed, incorporating studies for the vehicle's amalgamation in the urban environment. Additionally, handover strategies are also studied in case of the vehicle fails during its autonomous drive. The outcome of this research produced multiple enhancements for the vehicle, including independent parking pose generation, correct categorization of the vehicle, software and hardware requirements, conservation of energy in pallet handling robot, and designing digital twin for the ...
Die Abhandlung zeigt, dass die KI-Entwicklung darauf hinausläuft, Robotern Rechte zuzugestehen. Sie fordert vor diesem Hintergrund und angesichts absehbarer Schwächen der zukünftigen Rechtsdurchsetzung, bereits heute eine rechtliche Strategie zur Bewältigung der sogenannten starken KI ins Werk zu setzen.Gaede blickt zunächst auf den Stand der Forschung, die sich zwar auf die schwache KI konzentriert, ebenso aber die starke KI befördert. Er argumentiert, dass bestimmte Formen der starken KI schon nach den herrschenden Normbegründungen moralische Ansprüche erheben könnten. Die Durchsetzung von Strafe und Gefahrenabwehr gegenüber dieser KI hält er zwar für legitim. Er bezweifelt jedoch, dass das Recht mit den aktuellen KI-Strategien durchsetzbar bleiben wird. Gaede macht geltend, dass wir angesichts der tiefgreifenden Konsequenzen einer starken KI schon heute beginnen müssen, die Forschung an starker KI jenseits konkreter Anwendungen zu beobachten und demokratisch zu regulieren.
Zugriffsoptionen:
Die folgenden Links führen aus den jeweiligen lokalen Bibliotheken zum Volltext:
Dans cet article, nous examinons les défis possibles soulevés par l'utilisation des termes « soin » ( care ) et « prendre soin » ( taking care ) lorsque le soignant est un robot autonome, ce que nous nommons un « agent artificiel de soins médicaux ». Autrement dit, notre question est de savoir si ces agents artificiels peuvent soigner. En contradiction avec la plupart des arguments de la littérature existante, nous soutenons que oui.
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations
National audience ; Ce papier présente une architecture multirobots permettant une allocation automatique de plusieurs objectifs sur une flotte de robots. Le challenge consiste à rendre des robots autonomes pour réaliser coopérativement leur mission sans qu'un plan soit prédéfini. Cette architecture, appelée PRDC, est basée sur 4 modules (Perception, Représentation, Délibération et Contrôle). Nous nous intéressons plus particulièrement au module de délibération en considérant le problème des voyageurs de commerce coopératifs dans un environnement incertain. L'objectif des robots est alors de visiter un ensemble de points d'intérêt représentés dans une carte topologique stochastique (Road-Map). Le processus proposé pour la construction des politiques collaboratives est distribué. Chaque robot calcule ses politiques individuelles possibles de façon à négocier collectivement l'allocation des points d'intérêt entre les membres de la flotte. Enfin, l'approche est évaluée via un important nombre de simulations