Outline

Gliederung

35, 2019, 43-46
Kollaborative Robotik – Maschinelles Lernen durch Imitation: Flexible Automation für KMUs durch intelligente und kollaborative Roboterassistenten
Andrea {Giusti}, Dieter {Steiner}, Walter {Gasparetto}, Sebastian {Bertoli}, Michael {Terzer}, Michael {Riedl} und Dominik Tobias {Matt}

Bibtex

Cite as text

						@Article{Giusti+Steiner+Gasparetto+Bertoli+Terzer+Riedl+Matt,
							 
							Year= "2019", 
							Number= "3", 
							 Volume= "35", 
							Pages= "43-46", 
							Journal   = "Industrie 4.0 Management",
							 Title= "Kollaborative Robotik – Maschinelles Lernen durch Imitation: Flexible Automation für KMUs durch intelligente und kollaborative Roboterassistenten", 
							Author= "Andrea {Giusti}, Dieter {Steiner}, Walter {Gasparetto}, Sebastian {Bertoli}, Michael {Terzer}, Michael {Riedl} und Dominik Tobias {Matt}", 
							Doi= "https://doi.org/10.30844/I40M_19-3_S46-46", 
							 Abstract= "Der Trend zur kundenindividuellen Massenproduktion stellt klassische Produktionsmethoden kleinerer und mittlerer Unternehmen vor große Herausforderungen. Branchenübergreifend lässt sich feststellen, dass es für diese Unternehmen besonders schwierig ist mit klassischen Automationslösungen einen tragbaren Kompromiss für den Dreiklang aus hoher Flexibilität, hoher Produktionseffizienz und geringem Investitionsrisiko zu finden. Gleichzeitig stellt die Agilität zur Anpassung an variable Marktbedingungen eine typische Stärke kleiner und mittlerer Unternehmen dar.", 
							 Keywords= "Flexible Automation, Kollaborative Robotik, Machine-Learning, Imitation-Learning", 
							}
					
Andrea {Giusti}, Dieter {Steiner}, Walter {Gasparetto}, Sebastian {Bertoli}, Michael {Terzer}, Michael {Riedl} und Dominik Tobias {Matt}(2019): Kollaborative Robotik – Maschinelles Lernen durch Imitation: Flexible Automation für KMUs durch intelligente und kollaborative Roboterassistenten. 353(2019), S. 43-46. Online: https://doi.org/10.30844/I40M_19-3_S46-46 (Abgerufen 03.12.24)
https://doi.org/10.30844/I40M_19-3_S46-46

Open Access

Abstract

Abstract

Der Trend zur kundenindividuellen Massenproduktion stellt klassische Produktionsmethoden kleinerer und mittlerer Unternehmen vor große Herausforderungen. Branchenübergreifend lässt sich feststellen, dass es für diese Unternehmen besonders schwierig ist mit klassischen Automationslösungen einen tragbaren Kompromiss für den Dreiklang aus hoher Flexibilität, hoher Produktionseffizienz und geringem Investitionsrisiko zu finden. Gleichzeitig stellt die Agilität zur Anpassung an variable Marktbedingungen eine typische Stärke kleiner und mittlerer Unternehmen dar.

Keywords

Schlüsselwörter

Flexible Automation, Kollaborative Robotik, Machine-Learning, Imitation-Learning

References

Referenzen

[1] Zanchettin, A. M.; Croft, E.; Ding, H.; M. Li, M.; Collaborative Robots in the Work-place [From the Guest Editors], IEEE Robotics & Automation Magazine 25 (2018) 2, S. 16-17.
[2] Spena, P. R.; Holzner, P.; Rauch, E.; Vidoni, R.; Dominik, M. T.: Requirements for the Design of flexible and changeable Manufacturing and, in: Procedia CIRP, 2016.
[3] Haddadin, S.; Croft, E.: Physical human–robot interaction, in: Handbook of Robotics. Berlin Heidelberg 2016.
[4] Villani, V.; Pini; F.; Leali, F.; Secci, C.: Survey on human–robot collaboration in industrial settings: Safety, intuitive interfaces and applications, Mechatronics, 55 (2018), S. 248-266.
[5] Ajoudani, A.; Zanchettin, A. M.; Ivaldi, S.; Albu-Schäffer, A.; Kosuge, K.; Khatib, O.: Progress and Prospects of the Human-Robot Collaboration, Autonomous Robots, 42 (2018) 5, S. 957-975.
[6] Zanchettin, A. M.; Ceriani, N. M.; Rocco, P.; Ding, H.; Matthias, B.: Safety in human-robot collaborative manufacturing environments: Metrics and control,” IEEE Transactions on Automation Science and Engineering, 13 (2016) 2, S. 882-893.
[7] Pereira, A.; Althoff, M.: Overapproximative Human Arm Occupancy Prediction for Collision Avoidance, IEEE Transactions on Automation Science and Engineering, 15 (2018) 2, S. 818-831.
[8] Billard, A. G.; Calinon; S.; Dillmann, R.: Learning from humans, in: Handbook of Robotics. Berlin Heidelberg 2016.
[9] Giusti, A.; Zeestraten, M. J. A.; Icer, E.; Pereira, A.; Caldwell, D. G.; Calinon, S.; Althoff, M.: Flexible Automation Driven by Demonstration: Leveraging Strategies that Simplify Robotics, IEEE Robotics Automation Magazine, 25 (2018) 2, S. 18-27. v [10] ISO/TS-15066: Robots and robotic devices – Collaborative robots, International Organization for Standardization. Geneva, Schweiz 2016.

Most viewed articles

Meist angesehene Beiträge

GITO events | library.gito