Reading Group 2024

Gaussian Processes for Modeling State Space Trajectories

A core challenge in the JRC ISIA research project is anomaly detection and generative AI for state space trajectories of industrial machines, like injection molding machines. In statistical formulation of ML, we aim to model the probability distribution P of parametric curves in ℝⁿ, based on which anomaly detection asks how likely a sample is w.r.t. P and generative AI asks how to sample from P.

A very versatile technique for those needs are Gaussian Processes (GPs), which allow us meet all those needs: We can model such a distributions of functions, perform regression based on prior information given by measurements, and can act as generative AI.

In this talk we will give a from-scratch introduction to GPs and show how these can be used in specific ways to to model state space trajectories and vector fields with the application of regression, anomaly detection and generative AI in mind. The entire talk is hinged and based on a baremetal implementation and demonstration done in a Jupyter notebook.

The JRZ ISIA is researching the possibilities of anomaly detection for production machines using data science methods. For this purpose, an injection molding machine was implemented using hardware-in-the-loop simulation (HiL) on the programmable logic controller from B&R Automation to provide data sets for this research. In this presentation, the implementation of the control system and the HiL simulation models for an injection molding machine will be shown. First, the implemented control program and the configuration of the control system will be discussed. The realized simulation models are then discussed. An additionally implemented anomaly generator makes it possible to specifically influence the simulation models and thus indirectly the production process. Measurement series from a production process are then presented and discussed. The aim is to show data science researchers the scope of the data sets provided in a transparent manner by the HiL-simulation and to give them a basis for their research.

What is AGV and AMR? Introduction to the world of mobile robots

Nowadays, the automation affects more and more area of our life. It is true also for logistics and transportation, which is partly performed by mobile robots. The presentation will give a short insight into the world of mobile robots, including the definition and examples for AGV and AMR. The presenter also will show some details about an AGV and an AMR can be found in the Logistics 4.0 Laboratory of University of Miskolc, including its structure, sensors, motors, software.            

Interpretable machine learning for biodiversity research

Machine learning has emerged as a cornerstone across various scientific disciplines, revolutionizing traditional methodologies and enabling the development of novel applications. In engineering and robotics, it serves as a main tool for implementing solutions beyond the scope of conventional approaches. However, in other scientific disciplines such as biology, the benefit of machine learning lies in uncovering latent patterns within vast datasets. In this context, an integral aspect is morphology, which refers to as the quantification of the variability of organismal structures, essential for understanding biodiversity. In this context, morphology is used to investigate the impact of anthropogenic influences. For this research, researchers have created extensive image repositories, ideal for the application of machine learning. However, while traditional morphometric methods are based on human-crafted features such as the location of diagnostic structures, machine learning operates autonomously. Hence, the results cannot be interpreted in a biological manner.  

This talk focuses on the potential misunderstandings that can arise when applying machine learning in morphometrics. Specifically, the focus is on the biological interpretation of machine learning models, exploring instances where models demonstrate high accuracy yet struggle with coherent biological interpretation. Based on this restriction, this talk further discusses potential problems in robotics. Finally, a short overview of future applications in robotics based on machine learning is given.

Video Game Protection: from Obfuscation with Mixed-Boolean Arithmetic to Machine-Learning of Bot Behavior

Denuvo GmbH is a software company based in Salzburg helping major game publishers protect their video game releases. In this talk we will look at two particular technologies relevant for (i) code protection and (ii) guarding the  players' experience of online games.

Mixed-Boolean Arithmetic expressions combine arithmetic and bit-wise operations. They can be used to rewrite code in an arbitrarily complex way that is believed to be hard to simplify. We present some deobfuscation results and explain why MBAs need to be chosen carefully. Background publications: [1] and [2]

Cheating and Bots are prevalent in many online games. We explore methods to distinguish human players  from bots using heuristics based on their behavior, as well as supervised and unsupervised machine learning techniques.

Reading Group 2023

Introduction to model predictive control (MPC)

MPC is a control approach that uses a dynamic model of the process to compute the acutating signals. This computation is done by repetitively solving an optimization problem. MPC can inherently deal with multiple-input-multiple-output systems. Constraints on actuatings signals, states and process outputs can be systematically considered, and the tuning of the controller parameters is intuitive. Besides these advantages, there are typically several considerations that need to be taken into account: A suitable process model needs to be developed, the optimization problem needs to be solved in real-time, and the proof of closed loop stability can be difficult. This talk will introduce the idea of MPC and demonstrate its application to selected examples.

Asset interface analysis of industrial automation devices

As Industry 4.0 and the Industrial Internet of Things continue to advance, industrial control systems are increasingly adopting IT solutions, including communication standards and protocols. Because these systems become more decentralized and connected to the internet, a critical need for enhanced security measures arises. This also includes proper threat modeling of cyber-physical devices. Currently, the modeling process for OT systems relies on brainstorming sessions with domain and security experts. However, they often fall short in providing exhaustive identification of assets and interfaces, as no systematic approach is used. This is a major issue, as it leads to poor threat modeling, resulting in insufficient mitigation strategies and lastly, a flawed security architecture. Therefore a method for the analysis of assets in industrial systems is proposed. Inspired by the ISO/OSI reference model, a systematic approach is introduced, which aids in identifying and classifying the utilized asset interfaces. To test the proposed method, a PLC is analyzed and used as an example for threat modeling. The objective of this study is to enhance the security of industrial systems. The outcomes of this research will serve as valuable guidance for threat modeling and the designing of secure testbed environments. By doing so, the risk of security breaches is reduced and the integrity and reliability of industrial systems can be improved.

Ways to evaluate security datasets and existing OT datasets out there

The idea of security datasets is to provide examples of real attacks to researchers to (i) design innovative techniques for detecting them (e.g., Intrusion Detection Systems) and (ii) evaluate them and make them comparable to other solutions. One challenge, however, is to select a dataset that fits to the desired use case and also contains a variety of attacks. For this reason we developed a framework for the automotive domain which systematically evaluates intrusion detection datasets.

The first part of this talk focuses on the difficulty of finding suitable datasets and how we proposed to evaluate them. The second part concentrates on OT datasets; existing reviews of these datasets and outlining the requirements for an ideal OT dataset.

The JRC ISIA Testbed

The JRC ISIA testbed is an environment for conducting research in the context of industrial automation. The three research areas of the JRC ISIA – OT Intelligence, OT Architecture and OT Security – require an assessment and evaluation environment for several research activities to conduct (close to) real-world experiments.
The main idea is to construct an industrially automated production line, so that research on data for recommender systems, common industrial architectures and communication security is enabled. For the construction of the testbed, we develop requirements for each research area and validate tools for their implementation. In this talk we will present the current state of the implemented testbed and give an outlook on future extensions.

Intro to TDA

Topological Data Analysis is data science based on algebraic topology that can reveal information on the "shape" of all kind of data. The prevalent method of TDA is persistent homology. Basically, homology tells us something about connected components, loops, and cavities of topological spaces at all dimensions. This information alone is too crude to reveal information on the shape of the space.

A key idea of persistent homology is to consider an evolution of a topological space  (called "filtration") over time and to keep track of the homological features. This way we can pull in some geometric information through different filtrations. Based on summary descriptions (e.g., persistence diagrams), we can errect bridges to machine learning methods (e.g., positive-definite kernels). In this talk we will give an overview on some more detail behind the story sketched above.

Semi-exhaustive survey on TDA in industry

Topological Data Analysis (TDA) is a mathematical toolset for the analysis of complex, multi-dimensional data and has been successfully applied in several fields such as medicine, material science, and biology, to analyze large and complex datasets to gain new insights and make informed decisions.

This talk gives an insight on TDA and summarizes the state-of-the-art of TDA in yet another area: industrial manufacturing in the context of Industry 4.0. It highlights its key benefits and challenges, and provides directions for future research.

OPC UA Security Assessment

OPC Unified Automation ist inzwischen ein weitverbreiteter Standard in der Industrie seit der Veröffentlichung der ersten Spezifikation im Jahr 2006. Da für Industrie 4.0 und kritischer Infrastruktur hohe Sicherheitsanforderungen bestehen, ist das Protokoll besonders attraktiv, da es von Beginn an nach dem Prinzip "Security by Design" entwickelt wurde und von sich aus Sicherheits Features wie Vertraulichkeit, Integrität und Authentifizierung anbietet.

In diesem Vortrag wird auf die Veröffentlichung "Security Analysis of Vendor Implementations of the OPC UA Protocol for Industrial Control Systems" von Erba et al. aus 2022 eingegangen. In diesem Survey Paper werden 22 OPC UA Produkte und 16 Software Stacks untersucht, um herauszufinden, ob die Security Anforderungen laut Spezifikation tatsächlich umgesetzt wurden.

Die Autoren entwickeln dazu ein Framework, in dem drei Angriffsszenarien abgebildet werden. Mithilfe dieser Methode werden die OPC UA Artefakte auf die korrekte Implementierung, Konfiguration oder Dokumentation von Security Features untersucht.

Modellbasierte Entwicklung komplexer Fertigungssysteme mit der RAMI Toolbox

Durch die Integration von intelligenten Komponenten in aktuelle oder zukünftige Fertigungsstraßen wird einerseits das Automatisierungspotenzial erhöht, andererseits können individuelle Produkte flexibel und dynamisch produziert werden. Dieses Zusammenspiel zwischen Produktionssystem, Produkt und Entwicklungsprozess führt jedoch zur Entstehung von komplexen Wertschöpfungsnetzwerken. Dennoch wird modellbasiertes Systems Engineering (MBSE) als geeignetes Mittel zur Beherrschung der Komplexität gesehen, indem modulare Bestandteile und verschieden Sichtweisen innerhalb der Systemarchitektur adressiert werden können. Durch die Standardisierung des Referenzarchitekturmodells Industrie 4.0 (RAMI 4.0) wird ebenfalls ein geeignetes Framework zur Verortung von industriellen Produktionssystemen geboten, welches ganzheitliche Systementwicklung unterstützt. Zurzeit existieren jedoch kaum praxisorientierte Ansätze, welche die vollständige Verwendung von RAMI 4.0 zum beabsichtigen Einsatzzweck mit Bezug auf die Gewährleistung einer gemeinsamen Informationsbasis oder zur Sicherstellung der Nachverfolgbarkeit behandeln. Deshalb stelle ich die RAMI Toolbox vor, welche die theoretischen Charakteristiken im Detail spezifiziert und für beliebige Anwender einen Leitfaden und Funktionen für die Entwicklung solcher Systeme bereitstellt.

Digitale Zwillinge von Geschäftsprozessen als Enabler für IT / OT Integration

Die Vision der Industrie 4.0 stellt neue Anforderungen an Operational Technology (OT) Systeme. Mögliche Lösungsansätze für diese Anforderungen existieren bereits in der Welt der IT, können aber oftmals aufgrund der unterschiedlichen Charakteristika beider Welten nicht direkt in der Welt der OT angewendet werden. Wir stellen das Konzept eines Digitalen Zwillings von industriellen Geschäftsprozessen (IBPT) vor, das es erlaubt, Lösungen der Welt der IT nicht direkt auf die Welt der OT, sondern auf eine Repräsentation davon anzuwenden. Wir stellen das entwickelte OPC UA Informations- und Kommunikationsmodell vor und evaluieren die entwickelte IBPT-Entität anhand der unterschiedlichen Ansichten des Referenzarchitekturmodells Industrie 4.0 (RAMI4.0). In einem Ausblick widmen wir uns der möglichen Weiterentwicklung der vorgestellten IBPT-Entität hin zur Industrie 4.0 Komponente, indem das bestehende Softwarekonzept um eine Verwaltungsschale (Asset Administration Shell) und definierte Teilmodelle sowie APIs ergänzt wird.

Template-based OPC UA information access for low-level PLC devices

Industrielle Systeme sind häufig komplex und können nur mithilfe von menschlichem Expertenwissen konfiguriert und in Betrieb gehalten werden. Experten bringen Wissen in das System ein, welches aus mehreren, nicht immer klar bestimmbaren, Quellen kommt. Diese Arbeit beschreibt einen neuen, Vorlagen-basierten Ansatz, wie diese Daten mit OPC UA gesammelt und erfasst werden können, sowie für vielfältige verarbeitende Informationssenken bereitgestellt werden kann, ohne, die oft hauptsächlich zur Steuerung ausgelegten PLCs, zu überfordern. Die Vorlagen basieren auf annotierten OPC UA Information Models, welche implizit und explizit definieren in welcher Granularität und mit welchen Data Access Methoden auf die OPC UA Server zugegriffen wird. Die gesammelten Daten können dann in ihrer Gesamtheit genutzt werden, um Zeitreihenanalysen, maschinelles Lernen oder ähnliche Auswertungen zu erstellen, um intelligent unterstützende Systeme zu bauen.

Reading Group 2022

OT Security von Digitalen Zwillingen in der Produktion

Digitale Zwillinge gewinnen in der Forschung und in der Industrie immer mehr an Bedeutung. Deshalb wurde der Begriff digital twin in die Enzyklopädie für Production Engineering von CIRP aufgenommen. Für Systeme mit Digitalen Zwillingen muss das Thema Sicherheit anders betrachtet werden. Dieser andere Blickwinkel ergibt sich daraus das in Industrie-Systemen die Reihung der Werte für Sicherheit anders ist. Es wird versucht mit der STRIDE-Analyse Bedrohungen zu identifizieren die für Industrie-Systeme gelten.

Am Anfang des Vortrages werden grundlegende Modelle für die Einteilung von Operational Technology Systemen erläutert. Danach wir das Konzept Digitaler Zwilling dargelegt und es wird über Sicherheitskonzepte von Operational Technology Systemen gesprochen. Anhand dieser Erläuterungen wir eine Fallstudie präsentiert dessen Bedrohungen mit der STRIDE-Analyse identifiziert werden.

Zwischenpräsentationen R&D Gruppen

Zwei R&D-Gruppen vom Mechatronik-Fachbereich tragen ihre Zwischenpräsentationen vor.

Digitaler Zwilling am Beispiel eines Mikrocontrollersystems

Eine Lehrveranstaltung des Studiengangs ITS stellt den Studierenden einen Koffer mit Mikrocontroller und Peripheriegeräten zur Verfügung. Eine Virtualisierung dieser Hardwaregeräte würde diverse neue Perspektiven eröffnen. In der Digitalisierung stellen Digitale Zwillinge ein essenzielles Konstrukt dar und werden mittlerweile in zahlreichen Bereichen eingesetzt. Im Zuge eines R&D-Projekts soll daher die Umsetzung eines Digitalen Zwillings des Mikrocontroller-Koffers untersucht werden.
Dieser Vortrag stellt das Konzept Digitaler Zwilling im Allgemeinen vor und erörtert die Potentiale und Herausforderungen bei einer Umsetzung eines Digitalen Zwillings des bestehenden Mikrocontrollersystems. Abschließend wird auf eine mögliche Realisierung sowie den Ausblick auf den weiteren Projektverlauf eingegangen.

Emulation einer Roboterbewegungssteuerung mit der Simulink Robotics System Toolbox

Zum Anlernen und Verifizieren eines KI-Reglers für den motorische Regelkreis von Industrierobotern bedarf es eines Testsystems. Aufgrund der fehlenden Eingriffsmöglichkeiten in die proprietären Robotersteuerungen ist sowohl das Anlernen als auch das Verifizieren eines KI-Reglers an kommerziellen Robotersystemen nicht möglich ist.
Dieses R&D-Projekt beschäftigt sich deshalb mit der Implementierung einer modularen Bahnsteuerung mit offenen Eingriffsmöglichkeiten. Dafür wird ein Konzept vorgestellt, welches mit Hilfe von Matlab/Simulink und der „Robotics System Toolbox“ einen „No Code“- bzw. “Low Code“-Ansatz mit offenen Eingriffsmöglichkeiten ermöglicht, um die benötigten Daten zu erzeugen und eine Testumgebung für mögliche KI-Regler bereitstellt. Der Fokus liegt hierbei auf der Eingabe möglichst verständlicher Bewegungsbefehle, der modularen und offenen Umsetzung der Bewegungssteuerung und einer Visualisierung des Roboters zur Validierung. Abschließend wird der vorgestellte Ansatz durch einen Proof-of-Concept-Prototyp untermauert.

Digitale Zwillinge für die Fahrautomatisierung

Durchgängige Verkehrs- und Fahrautomatisierung ist ein Problem, dessen außerordentliche Komplexität vermuten lässt, dass eine technische Lösung nicht allein auf das Fahrzeug beschränkt sein kann. Ein Weg, Fahrzeuge bei ihren Wahrnehmungs- und Planungsaufgaben zu unterstützen, sind Digitale Zwillinge. Beispielsweise können im einzelnen Fahrzeug verbaute Umfeldsensoren durch Collective Perception zu einem Gesamtbild der mikroskopischen Verkehrslage (ein Digitaler Schatten) fusioniert werden. Ein solches System wird zum Digitalen Zwilling, wenn die Informationen wiederum durch die Fahrzeuge genutzt werden, beispielsweise zur unfallvermeidenden, kooperativen und energiebedarfsminimierenden Manöver- und Trajektorienplanung.

Ein solcher Digitaler Zwilling birgt einige Herausforderungen. Zunächst die rein technische Lösung der dezentralen Erfassung und Fusionierung von beweglichen und stationären Objekten. Darüber hinaus auch der Entwurf von robusten verteilten Algorithmen, um im Multi-Agentensystem konzertierte und zieldienliche Bewegungsabläufe zu erzielen. Neben diesen technischen Problemstellungen birgt die Repräsentation und Wahrnehmung der lokal geltenden Bewegungsregeln (z.B. Geschwindigkeitsbegrenzungen, Vorrangregeln) ein viel grundsätzlicheres Problem. Im Vortrag wird der Versuch unternommen, ein damit verbundenes grundlegendes Polylemma aufzuzeigen, und sich in hoffentlich reger Diskussion dem Thema zu nähern.

i.MX 8M Plus für ML in industriellen Anwendungen

Machine Learning hält in industriellen Anwendungen zunehmend Einzug. Besonders die Geschwindigkeitsanforderungen haben in den letzten Jahren vermehrt zu speziell für diesen Einsatzzweck angefertigten Halbleiterchips geführt: Neuronale Rechenbeschleuniger führen mathematische Operationen in Hardware aus, um die Ausführung von neuronale Netzen zu beschleunigen. Ein Beispiel ist hierfür der i.MX 8M Plus von NXP, welcher als System-on-a-Chip eine integrierte Neural Processing Unit (NPU) zur Beschleunigung neuronaler Netze besitzt.

Dieser Vortrag gibt einen Überblick über die technischen Daten des i.MX 8M Plus, analysiert und bewertet diese. Um Vor- und Nachteile aufzeigen zu können, wurde ein Pythonskript entwickelt, welches mehrere Bildklassifizierungen mithilfe eines TensorFlow Lite Modells durchführt. Die Ergebnisse dieser Messungen werden im Vergleich mit anderen Systemen vorgestellt und diskutiert. Abschließend werden mögliche Einsatzgebiete in der Industrie präsentiert.

Ck-continuous Spline Approximation with TensorFlow Gradient Descent Optimizers

Motivated by cam profile generation in mechatronics, we investigate function approximation by Ck-continuous splines using gradient descent optimization provided by the machine learning framework TensorFlow.
First, we investigate the convergence behavior of the model parameters of a spline model with respect to different loss functions, specifically for L2-approximation error and Ck-continuity, by means of different TensorFlow optimizers. In particular, we propose a parameter regularization that allows SGD (with/without Nesterov-Momentum) to converge. We show that Adam (or rather AMSGrad) generally performs best, yet the rather simple SGD can be close to competitive with our regularization.

Reading Group 2021

Ethik künstlicher intelligenter Systeme

Aus Sicht der Ethik hebt sich die Maschinenethik von der bekannten Technikethik konzeptionell ab: Maschinenethik ist Ethik für Maschinen, während die bisherige Technikethik die Ethik für Menschen im Umgang mit Technik darstellt.

Dieser Vortrag baut wesentlich auf Misselhorn, "Grundfragen der Maschinenethik", auf und schlägt an verschiedenen Stellen Brücken zu Russel & Norvig, "Artificial Intelligence". Wir führen Maschinenethik als Disziplin ein, präsentieren einige ihrer grundlegenden Fragen und diskutieren systematische Ansätze sowie die theoretischen Grundlagen. Anhand des Anwendungsbereichs "Autonomes Fahren" wollen wir Praxisbezüge herstellen.

Timed coloured Petri net simulation model for Reinforcement Learning in the context of production systems

We show that Petri net simulation models are a suitable basis for using Reinforcement Learning to generate a supervisory control unit in industrial production systems. By modelling control unit functions as transitions and state information as places and tokens, a timed coloured Petri net model describing a material flow system can be constructed. The transitions form the action space, while the places and tokens correspond to the observation space of the Reinforcement Learning agent. To confirm the suitability of the timed coloured Petri net model a case study of a simple production facility was conducted. Existing python packages were expanded to provide additional timed Petri net functionality. Then a Q-Learning agent was trained on the Petri net simulation model to perform a simple task. The case study showed that petri nets provide a suitable model type for training a Reinforcement Learning algorithm and are capable of modelling all relevant components of a material flow system.

Alte und neue Ansätze für zeitoptimale Trajektoriengenerierung

Ein Standardproblem der Antriebstechnik lautet wie folgt: Eine Achse soll zeitoptimal von einer Position A zu einer Position B positioniert werden. Durch zusätzliche Randbedingungen wird dieses zunächst einfach anmutende Problem unerwartet schwierig. Dieser Vortrag gibt einen Überblick über alte und neue Lösungsansätze, welche bei B&R Industrial Automation entwickelt und eingesetzt werden.

Modell-basierte Entwicklung mit OPC UA

OPC UA ist ein industrieller Standard für Datentransport und -modellierung. Es wird (i) eine vertikale Integration über die Schichten der ISA-95 Automationspyramide hinweg angestrebt, (ii) eine Service-orientierte Architektur (SOA) forciert und (iii) die Daten in einer umfangreichen Modellierungssprache abgebildet, ähnlich zu UML, welche eine Interpretation der Daten durch eine semantische Beschreibung erlaubt und zu sogenannten Informationsmodellen führt.

In diesem Vortrag wird eine OPC UA-basierte Systemarchitektur eines Demonstrators vorgestellt, welcher im Rahmen des KI-Net Forschungsprojekts erarbeitet wird. Es wird an diesem konkreten Beispiel aufgezeigt, dass die durch OPC UA forcierte service-orientierte Softwarearchitektur vertikale Integration begünstigt. Anschließend wird die Datenmodellierung mittels grafischen, textuellen und modell-basierten Tools demonstriert.  Abschließend werden die Vor- und Nachteile der unterschiedlichen Methoden zur Generierung des OPC UA Informationsmodells veranschaulicht.

Norms and standards for OT security

The talk will give an overview of the current security norms and security standards for the OT area. Besides the  IEC standard 62443 and the NIST standard 800-53, the ISO 27001 and the ISO 27002, the NIS guideline, and various  coding guidelines are of highest relevance. CIA becomes AIC and along the way the approach to security by design changes. The presentation will highlight the underlying conditions for this transformation.

Optimierung von elektronischen Kurvenscheibenprofilen

Bei elektronischen Kurvenscheiben (Electronic Cams) wird die Auslenkung eines beweglichen Maschinenelements (Follower) durch den Bewegungsablauf eines elektrischen Antriebs vorgegeben.  Die gewünschte Auslenkung wird dabei in sogenannten Kurvenscheibenprofilen definiert, die die Position des Followers einer Achsposition zuweisen. Im ersten Schritt ergibt das Kurvenscheibenprofil somit eine Punktewolke.  Um die Belastung auf Maschinenteile möglichst gering zu halten, ist es notwendig, die vorhandenen Punkte so durch Kurven zu approximieren, dass Beschleunigung und Ruck minimiert werden.

Dieser Vortrag dient als Einführung in das Themengebiet der Optimierung elektronischer Kurvenscheibenprofile.  Es wird ein Ansatz aus der numerischen Mathematik zur Erstellung von Kurven mittels Splines auf Basis klassischer Polynome vorgestellt.  Anschließend wird gezeigt, wie dieser Ansatz mittels Gradientensuchverfahren erweitert werden kann, um eine Optimierung im Umfeld von KI-Methoden in TensorFlow zu ermöglichen.

Echtzeit und Ginzinger Embedded Linux in Industrie und Medizin

An eingebettete Systeme werden heute hohe Anforderungen gestellt: Erhöhte Konnektivität (IoT) und damit verbundene Anforderungen an Security, oder moderne Benutzerinterfaces, wie aus dem Bereich der Consumer-Elektronik gewohnt, sind nur zwei Beispiele.  Die Komplexität solcher Systeme und deren langfristige Pflege ist ohne Betriebssystem, oder nur durch spezialisierte Betriebssysteme kaum mehr beherrschbar.

Im Bereich der eingebetteten Systeme hat sich Linux (und FOSS Software im allgemeinen) durchgesetzt.  Etwas salopp: "Was Windows für den Desktop, ist Linux für das Embedded System." Das Ökosystem um Linux ist umfangreich, offen und hochgradig skalierbar.  In der Regel gelten die Softwarekomponenten als sehr gut gepflegt und die Schnittstellen als ausgesprochen stabil.  Gute Voraussetzungen also, speziell für die Entwicklung langlebiger Produkte und/oder Produktfamilien im Bereich der Industrie und Medizin.  Gerade in diesen Bereichen gibt es aber zumeist auch strenge Anforderungen an das Zeitverhalten (Echtzeitanforderungen).  Da Linux ursprünglich nicht als Echtzeit Betriebssystem entworfen wurde, stellen diese Anforderungen eine besondere Herausforderung dar.

Aus 15 Jahren Erfahrung bei Ginzinger wird in diesem Vortrag berichtet, wie Anforderungen dieser Art in dem etablierten Innviertler Elektronikunternehmen behandelt wurden und werden.  Möglichkeiten um Echtzeitverhalten auf Linux basierenden Systemen erreichen zu können werden präsentiert und deren Grenzen diskutiert. Auch wird ein Augenmerk auf alternative Konzepte gelegt, die in der Praxis eine sehr große Rolle spielen.  Anhand von Beispielen die auf realen Projekten basieren, werden use cases und deren Lösungen vorgestellt.

State of the art in Natural Language Processing

Natural Language Processing (NLP) beschäftigt sich mit dem Verständnis natürlicher Sprache durch Computer. Um dieses Ziel zu erreichen, gibt es verschiedene Herangehensweisen, die sowohl linguistische und statistische Methoden, sowie auch Bereiche des Repräsentationslernen, verwenden. Beispiele dafür wären z.B.: Wortvergleiche, Wortvektoren und Recurrent Neural Networks für Sentimentanalysen. Diese Analyse, sowie weitere Methoden der NLP, können auch in Gebieten wie Human Robot Interaction, Affective Computing und Persuasive Technology angewandt werden.

In diesem Vortrag wird der Fokus auf “NLP für Robotik” gesetzt. Zu Beginn werden grundlegende Begriffe der Linguistik (z.B. Syntax, Semantik und Pragmatik) eingeführt. Diese werden dann, um die für die Robotik relevanten Konzepte, etwa Grounding, erweitert. Dies inkludiert einen Überblick zu aktuellen NLP Methoden die für Anwendungsgebiete im Bereich der Robotik verwendet werden können. Der Beitrag wird mit der Veranschaulichung von Beispielen erweitert, die mögliche Anwendungsszenarien vermitteln sollen.

Lösungsverfahren algebraischer Systeme

In CAD-Systemen werden geometrische Formen durch rationale Funktionen definiert. Somit lassen sich Schnittkurven oder Abstände als Lösungen algebraischer Systemen auffassen. Für diesen Gleichungstyp gibt es vielversprechende Verfahren, bei denen sämtliche Nullstellen in einem Schritt über Eigenwert-Probleme berechnet werden. Trotzdem scheint dieser Ansatz in der Technik noch nicht weit verbreitet zu sein. Möglicherweise liegt die Ursache darin, dass die in Zwischenschritten nötige Polynomdivision oft sehr umfangreiche Ergebnisse liefert. In diesem Vortrag wird ein Verfahren vorgestellt, welches diese kritische Operation bei symbolischen Umformungen vermeidet. Die Matrix des assoziierten Eigenwert-Problems wird hier im letzten Schritt numerisch bestimmt, nachdem man die Parameter des konkreten Problems als Gleitkommazahlen eingesetzt hat.

Diese Methode funktioniert für Systeme deren Koeffizienten keine Funktionen sind, so dass die enthaltenen Polynome durch die Exponenten ihrer Terme definiert werden. Jene bilden Punkte in einem Gitter ganzer Zahlen, deren konvexe Hülle, das Newton-Polytop, den Algorithmus steuert. Das Verfahren wird aus Anwendersicht an zwei Beispielen erläutert: Der Berechnung impliziter Funktionen gewölbter Flächen in CAD, sowie deren Schnittkurven, zur Definition von Werkzeugspuren. Außerdem wird ein System zur Kalibrierung der Lage einer Kamera besprochen.

Robot Operating System: Grundlagen & Anwendungsgebiete

Das Robot Operating System (ROS) ist eine Middleware zur Roboterprogrammierung. Um Ansprüchen der Wissenschaft und Industrie zu entsprechen, stellt ROS eine verteilte Architektur bereit, die im hohen Maße flexibel und modular ist. Diese Charakteristika ergeben sich mitunter aus der großen Vielfalt von Robotern, die durch ROS adressiert werden. Beispiele dafür wären klassische Industrieroboter, mobile Roboter im Katastrophenschutz, oder auch anthropomorphe Hände. Weiters setzt ROS auf viele vorhandene Softwarelösungen auf, die es zu integrieren gilt. In diesem Vortrag wird ein Überblick über die zentralen Architekturkonzepte von ROS, etwa das Kommunikationskonzept zwischen den Komponenten, die begleitenden Werkzeuge von ROS und Unterschiede zwischen ROS 1 und 2 gegeben. Der Beitrag wird mit der Veranschaulichung von Beispielen beendet, die mögliche Anwendungsszenarien vermitteln sollen.

Reading Group 2020

Ein Framework für mobile Robotik

Die Anforderungen an mobile Roboter sind vielseitig und umfassen etwa die Kartierung der Umgebung oder die Lokalisierung, Pfadplanung und Kollisionserkennung des Roboters in dieser Umgebung. Zu den genannten Problemen wurden in den letzten Jahrzehnten zahlreiche Algorithmen veröffentlicht. Offen bleibt jedoch, wie die einzelnen Lösungen für die einzelnen Problemstellungen sich zu einer Gesamtlösung, einem Framework zusammenfinden. Existierende Lösungen sind auf einen konkreten Anwendungsfall zugeschnitten, allgemeingültige Gesamtkonzepte sind bisher nicht realisiert.

Im Zuge der Masterarbeit und dem Projekt InnoDent wurde ein Framework entwickelt, dass die genannten Problemstellungen organisiert. Das Framework ist modular aufgebaut und wir werden seine einzelnen Komponenten vorstellen. Ein auf ROS basierender Roboter wird in der Physiksimulation Gazbo integriert. Die generierten Sensordaten des Roboters in seiner Umgebung werden in Matlab mit ausgewählten Algorithmen verarbeitet und steuern den Roboter.

Modellbasierte Regelung zur Verbesserung der Dynamik einer Servo-Antriebsachse

Eine Servo-Antriebsachse ist typischerweise eine Kombination aus einem permanentmagneterregten Synchronmotor und einem elektrischen Verstärker. Mit dieser Konstellation kann erreicht werden, dass Positionieraufgaben hochdynamisch ausgeführt werden können. Ganz wesentlich dabei ist ein Sensor (Lagegeber), welcher die aktuelle Position des Motors liefert und die Grundlage für die Regelung bildet. Aus Kostengründen wird aber gerne ein Geber mit geringer Auflösung gewählt welcher den Nachteil mit sich bringt, dass die erzielbare Dynamik bei weitem nicht ausgeschöpft werden kann. Mit Hilfe von modellbasierten Ansätzen kann dieser Nachteil großteils wieder kompensiert werden.

Reinforcement Learning in der Robotik

Reinforcement Learning bietet der Robotik ein Framework und eine Reihe von Werkzeugen, um schwer konstruierbares Verhalten zu entwerfen. Im Gegenzug inspirieren, beeinflussen und überprüfen die Herausforderungen in der Robotik die Entwicklung von Reinforcement Learning Ansätze. In dieser Reading Group werden auf die Ergebnisse, Probleme und Herausforderungen von Veröffentlichungen eingegangen, welche sich für die Generierung von Verhalten in der Robotik mit Reinforcement Learning Methoden befassen. Es werden die wesentlichen Herausforderungen beleuchtet und beachtenswerte Erfolge dargelegt. Es wird gezeigt, durch welche wissenschaftlichen Errungenschaften die Komplexität in dieser Domäne verringert wird und wie Algorithmen, Repräsentationen und Vorwissen dies begünstigt.

Unterschiedliche Ansätze zur Rückwärtstransformation von seriellen 6-Achs-Kinematiken

Die Rückwärtstransformation einer Roboterkinematik transformiert die Pose (Position und Orientierung) des Endeffektors zurück zu den Gelenkwinkel der Armelemente des Roboters bzw. derer Antriebsachsen. Sie spielt daher eine wichtige Rolle bei der Bewegungssteuerung von Industrierobotern. Neben mathematischen Lösbarkeitsfragen per se stellen sich aber auch Fragen hinsichtlich der numerischen Echtzeitberechnung.

Ziel des Vortrags ist es, unterschiedliche Ansätze zur Rückwärtstransformation von seriellen 6-Achs-Roboterkinematiken aufzuzeigen und im Kontext der Echtzeitbewegungssteuerung zu bewerten. Dazu wird die folgende Forschungsfrage gestellt: Inwiefern beeinflusst der Ansatz zur Rückwärtstransformation die numerischen Berechnungseigenschaften? Es werden hierzu geometrische, algebraische und numerische Lösungsansätze analysiert und bezüglich ihrer numerischen Robustheit, Genauigkeit, Berechnungsdauer und Determinismus bewertet. Auf dieser Grundlage zeigt sich nun, dass die Auswahl des Lösungsansatzes zur Rückwärtstransformation einen erheblichen Einfluss auf die industrielle Umsetzung einer Bewegungssteuerung von Roboterkinematiken hat.