In previous works at IMES pneumatic soft continuum robots and tendon driven rigid continuum robots have been researched regarding system design, physical and data driven models and control This thesis investigates the combination of several of these robots as leg chains for a parallel robot.

In previous works, a pneumatic soft snake robot with up to ten joints has been developed at IMES As part of an upcoming research project, the effects of combining the serial soft chains to a parallel robot are to be investigated This kinematic structure will improve the accuracy of the robot, while maintaining compliance and safety to external contacts.

Diese Masterarbeit baut auf aktuellen cutting-edge- Forschungsarbeiten im Bereich physikalisch informierter neuronaler Netze auf. Am IMES wurden hierzu neue Methoden
entwickelt, um hochkomplexe nichtlineare Modelle von Kontinuumsrobotern mithilfe neuronaler Netze zu erlernen. Diese Ersatzmodelle ermöglichen wiederum eine modellbasierte Zustandsschätzung und Regelung in Echtzeit, was mit konventionellen Methoden nur eingeschränkt oder nicht möglich ist.

Das Institut für Mechatronische Systeme erforscht den Einsatz von parallelen Robotern in einer Mensch-Roboter-Kollaboration.

Für unser Projekt suchen wir immer engagierte Studierende, die im Rahmen ihrer studentischen Arbeiten einen Beitrag zur Forschung leisten möchten.

Mögliche Themengebiete:

• Konstruktion & Hardware-Aufbau
• Regelung
• Maschinelles Lernen

Entwicklung eines mobilen Schweißroboters

Das Institut für Mechatronische Systeme erforscht die Automatisierung von mobilen Schweißrobotern.

Für unser Projekt suchen wir immer engagierte Studierende, die im Rahmen ihrer studentischen Arbeiten einen beitrag zur Forschung leisten möchten.

Innerhalb des Projektes sind Arbeiten in folgenden unterschiedlichen Themenbereichen möglich:

• Bahnplanung von Robotern mit redundantem Freiheitsgeraden
• Online Bahnkorrektur von 6-Achs Robotern
• Sensorfusion und SLAM
• Entwicklung und Programmierung eines Versuchsstandes mit Mecanum Rädern
• Maschinelles Lernen
• Entwicklung einer Simulationsumgebung für einen mobilen Roboter

Development of a Mobile Welding Robot

The Institute of Mechatronic Systems is researchingg the automation of mobile welding robots.

For our project, we are always looking for motivated students who want to contribute to our research through their student projects of theses.

Within the project, work is possible in the following areas:

• Trajectory planning for robots with redundant degrees of freedom
• Online trajectory correction for 6-axis robots
• Sensor fusion and SLAM
• Development and programming of a test bench with Mecanum wheels
• Machine learning
• Development of a simulation environment for a mobile robot

Am Standort Duderstadt (nahe Göttingen) betreibt der Prothesenhersteller Ottobock SE & Co. KGaA zu Forschungs- und Entwicklungszwecken einen robotischen Gangsimulator. Dieser wird eingesetzt, um die funktionellen Eigenschaften von Fußprothesen mittels biomechanischer Simulationen zu erfassen und zu bewerten.

Eine neue Herausforderung für die Regelungstechnik des Prüfstands stellt die Testung mikroprozessorgesteuerter Fußprothesen dar. Diese reagieren mit einem eigenständigen Regelgesetz auf die äußeren kinematischen und kinetischen Bedingungen und passen ihre Wirkelemente (aktive Motoren oder passive Dämpfer) situativ an. Im Rahmen der Arbeit soll eine Methodik zur Testung derartiger Prothesenfüße auf dem Prüfstand gefunden werden.

Model-based state estimation is a key component of modern driver assistance systems, particularly in safety-critical driving scenarios such as emergency braking. During such maneuvers, strong nonlinear vehicle dynamics occur, which challenge the performance and robustness of classical estimation approaches. Particle filter–based methods offer a promising alternative due to their ability to handle nonlinearities and non-Gaussian uncertainties. However, their application to realistic braking scenarios with active control systems has not been sufficiently investigated so far.

This master’s thesis aims to develop and evaluate a particle filter for vehicle state and road friction estimation based on a nonlinear two-track vehicle model extended with simplified ABS logic. By incorporating realistic braking dynamics, unrealistic model states during hard braking maneuvers are to be avoided and the robustness of the estimation significantly improved. The evaluation is performed using real-world measurement data on different road surfaces.

Main tasks

• Literature research on particle filters, friction coefficient estimation, and nonlinear vehicle models

• Implementation of a nonlinear two-track vehicle model with simplified ABS control

• Design and implementation of a particle filter for vehicle state and friction estimation

• Evaluation and analysis of estimation performance using real-world data

Prerequisites

• Highly motivated and independent way of working with strong initiative

• Advanced knowledge in Python and MATLAB

• Basic knowledge of vehicle dynamics and simulation is recommended

Neural network-based state estimation offers significant potential over classical physical models in terms of estimation accuracy and modeling effort. However, artificial neural networks belong to the class of black-box models, whose reliability in safety-critical situations cannot be guaranteed. Uncertainty quantification provides a promising approach to make the confidence in an estimation measurable and to detect unreliable predictions. The goal of this thesis is the comparison of different uncertainty quantification methods for deep neural networks in the context of vehicle state estimation.

Main tasks

• Literature review on uncertainty quantification methods for neural networks (e.g., MC-Dropout, ensemble methods, …)
• Implementation and comparison of selected methods with respect to accuracy and computational effort
• Investigation of the behavior of uncertainty estimates under distribution shifts (out-of-distribution) and faulty input signals

Prerequisites

• Highly motivated and independent way of working with strong initiative
• Advanced knowledge in Python
• Basic knowledge of vehicle dynamics and simulation is recommended

Moderne Fahrerassistenzsysteme und automatisierte Fahrfunktionen sind auf eine zuverlässige Zustandsschätzung angewiesen. Größen wie Fahrzeuggeschwindigkeit oder Seitenkraft sind häufig nicht direkt messbar und müssen mithilfe geeigneter Algorithmen geschätzt werden.

Im Rahmen eines Forschungsprojekts beschäftigen wir uns mit modellbasierten und datenbasierten Verfahren zur Zustandsschätzung. Ziel ist die Entwicklung robuster Schätzverfahren für dynamische und sicherheitskritische Fahrsituationen auf Basis realer Fahrzeugdaten.

Für das Projekt suchen wir immer engagierte Studierende, die im Rahmen ihrer studentischen Arbeiten einen Beitrag zur Forschung leisten möchten.

Innerhalb des Projektes sind unter anderem Arbeiten in folgenden Themenbereichen möglich:

• Modellierung nichtlinearer Fahrzeugmodelle
• Maschinelles Lernen mit Neuronalen Netzen
• Modellbasierte Schätzverfahren, zum Beispiel Moving Horizon Estimation oder Kalman Filter
• Hybride Kombinationen aus modell- und datenbasierten Ansätzen (z.B. PINNs)

Voraussetzungen:

• Hoch motiviert und selbstständige Arbeitsweise, hohes Maß an Eigeninitiative.
• Sehr gute Python und Matlab Kenntnisse
• Grundlagen in Fahrzeugdynamik und Simulation empfehlenswert