Logo des Repositoriums

Auflistung nach Autor:in "Kaiser, Tanja Katharina"

1 - 2 von 2
  • Zeitschriftenartikel
    Swarm robotics: Robustness, scalability, and self-X features in industrial applications
    (it - Information Technology: Vol. 61, No. 4, 2019) Heinrich, Mary Katherine; Soorati, Mohammad Divband; Kaiser, Tanja Katharina; Wahby, Mostafa; Hamann, Heiko
    Applying principles of swarm intelligence to the control of autonomous systems in industry can advance our ability to manage complexity in prominent and high-cost sectors—such as transportation, logistics, and construction. In swarm robotics, the exclusive use of decentralized control relying on local communication and information provides the key advantage first of scalability, and second of robustness against failure points. These are directly useful in certain applied tasks that can be studied in laboratory environments, such as self-assembly and self-organized construction. In this article, we give a brief introduction to swarm robotics for a broad audience, with the intention of targeting future industrial applications. We then present a summary of four examples of our recently published research results with simple models. First, we present our approach to self-reconfiguration, which uses collective adjustment of swarm density in a dynamic setting. Second, we describe our robot experiments for self-organized material deployment in structured and semi-structured environments, applicable to braided composites. Third, we present our machine learning approach for self-assembly, motivated as a simple model developing foundational methods, which generates self-organizing robot behaviors to form emergent patterns. Fourth, we describe our experiments implementing a bioinspired model in a robot swarm, where we show self-healing of damage as the robots collectively locate a resource. Overall, the four examples we present concern robustness, scalability, and self-X features, which we propose as potentially relevant to future research in swarm robotics applied to industry sectors. We summarize these approaches as an introduction to our recent research, targeting the broad audience of this journal.
  • Konferenzbeitrag
    Der vorhersagende Schwarm
    (Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Kaiser, Tanja Katharina
    Roboterschwärme bieten im Vergleich zu monolithischen Robotern größeres Potenzial für Robustheit und Skalierbarkeit. Doch die Implementierung von Steuerungen für Roboterschwärme ist durch schwer vorhersehbare und schwer modellierbare Rückkopplungsprozesse herausfordernd. Eine vielversprechende Alternative ist die automatische Generierung der Steuerungen mithilfe evolutionärer Algorithmen. Die Belohnung für den Optimierungsprozess muss sorgfältig definiert werden, um ungewünschte Nebeneffekte zu vermeiden. Statt spezifische Roboterverhalten zu belohnen, kann eine aufgabenunabhängige Belohnung verwendet werden. So können vielfältige und innovative Schwarmrobotersteuerungen entstehen. In unserer aufgabenunabhängigen Minimize-Surprise-Methode (dt. etwa: Überraschungsminimierung) belohnen wir die Güte der Sensorvorhersagen der Schwarmroboter. Wir zeigen in simplen Simulationen und in Experimenten mit echten Robotern, dass vielfältige, robuste und skalierbare Schwarmverhalten im Optimierungsprozess als Nebenprodukt entstehen. Zudem zeigen wir auf, dass die Minimize-Surprise-Methode trotz ihres explorativen Charakters für ingenieurtechnische Problemlösung eingesetzt werden kann.