Simulationsbasiertes Training von Robotermanipulationsfähigkeiten (Beiträge zum Stuttgarter Maschinenbau) / Gulde, Ralf-Leonard/ Riedel, OliverEDT/ Verl, AlexanderEDT

ホーム
> 洋書
> ドイツ書
> Mathematics, Sciences & Technology
> Technology
> mechanical engineering & production engineering

Simulationsbasiertes Training von Robotermanipulationsfähigkeiten (Beiträge zum Stuttgarter Maschinenbau)

個数：

Simulationsbasiertes Training von Robotermanipulationsfähigkeiten (Beiträge zum Stuttgarter Maschinenbau)

Gulde, Ralf-Leonard/ Riedel, OliverEDT/ Verl, AlexanderEDT

ウェブストア価格 ¥15,787（本体¥14,352）
Fraunhofer Verlag（2025発売）
外貨定価 EUR 60.00
ポイント 143pt

在庫がございません。海外の書籍取次会社を通じて出版社等からお取り寄せいたします。
通常6～9週間ほどで発送の見込みですが、商品によってはさらに時間がかかることもございます。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合がございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版
商品コード 9783839621349

Description

Industrieunternehmen stehen vor der Herausforderung, sich an individualisierte Produktwünsche, kleinere Seriengrößen und schnell wandelnde Marktbedingungen anzupassen. Besonders in Hochlohnländern gewinnen robotische Automatisierungslösungen zunehmend an Bedeutung. Die manuelle Roboterprogrammierung ist jedoch teuer und fehleranfällig - insbesondere für Einzel- und Kleinserienfertigung.

Diese Arbeit adressiert diese Herausforderung durch die Entwicklung von Methoden zur automatisierten Generierung von Roboterprogrammen in nicht-deterministischen Umgebungen. Zentrale Beiträge sind eine multimodale Perzeptions-Pipeline zur präzisen Umweltmodellierung sowie ein neuartiges, feature-basiertes Reinforcement-Learning-Verfahren zum effizienten Training robotischer Manipulationsfähigkeiten. Ergänzend wird ein Ansatz zur automatisierten Auswahl optimaler Feature-Repräsentationen basierend auf Bayesscher Optimierung vorgestellt. Für den erfolgreichen Sim2Real-Transfer kommt eine physikalisch und visuell realistische Simulationsumgebung zum Einsatz. Die entwickelten Ansätze werden abschließend in realen Anwendungsszenarien validiert.