Skip to main content
European Commission logo
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Deployable Decision-Making: Embracing Semantics for Robotic Safety in Everyday Scenarios

Projektbeschreibung

Neue Initiative zu Problemen mit der semantischen Sicherheit für mehr Roboterautonomie

Durch jüngste Fortschritte im maschinellen Lernen können Roboter ihre Umgebung semantisch erfassen und natürlicher mit Menschen interagieren. Bei der Navigation realer Situationen stellen körperliche Interaktionen jedoch ein Problem dar, insbesondere die sichere Entscheidungsfindung. Bei herkömmlichen Ansätzen geht es hauptsächlich um explizite Sicherheitsbedingungen, doch die Übertragung des semantischen Verständnisses in sichere Aktionen ist komplex. Unterstützt über die Marie-Skłodowska-Curie-Maßnahmen soll diese Lücke im Projekt SSDM geschlossen werden. Das Team verknüpft Wahrnehmung und Aktion und verleiht Robotern so die Fähigkeit, intelligente und semantisch sichere Entscheidungen zu treffen. Das SSDM-Team könnte die Roboterautonomie mit innovativen mathematischen Rahmen und algorithmischen Mitteln revolutionieren und die Sicherheit und Effizienz zahlreicher praktischer Anwendungen stärken.

Ziel

Recent breakthroughs in machine learning have opened up opportunities for robots to build a semantic understanding of their operating environment and interact with humans in more natural ways. While machine learning has unlocked new potentials for robot autonomy, as robots venture into the real world, physical interactions with the surrounding environment pose additional challenges. One typical challenge in practical applications is providing safety guarantees in robot decision-making. Much of the safe robot decision-making literature today focuses on explicit safety constraints defined in the robot state and input space. However, in practical applications, robots are often required to infer semantics-grounded safe actions from perception input. While recent machine learning techniques are increasingly capable of distilling semantic information from perception, translating the semantic understanding to explicit safety constraints is non-trivial. In this proposed project, we aim to close the perception-action loop and develop mathematical foundations and algorithmic tools that enable robots to make intelligent and semantically safe decisions.

Koordinator

TECHNISCHE UNIVERSITAET MUENCHEN
Netto-EU-Beitrag
€ 173 847,36
Adresse
Arcisstrasse 21
80333 Muenchen
Deutschland

Auf der Karte ansehen

Region
Bayern Oberbayern München, Kreisfreie Stadt
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten