Projekte

NoIDLEChatGPT – No-IDLE meets ChatGPT

Das Projekt "No-IDLE meets ChatGPT" zielt darauf ab, die Mensch-Maschine-Interaktion bei der Aktualisierung von Deep-Learning-Modellen (DL) zu …

RIG – Robotics Institute Germany

Robotics Institute Germany, nationales Verbundprojekt der Robotik-Forschung in Deutschland, unter Koordination der TU München Das Robotics Institute …

FAIRe_RIC – Sparsame künstliche Intelligenz in ressourcenlimitierten Umgebungen

FAIRe hat die Entwicklung ressourcenlimitierter KI für eingebettete Systeme, cyber-physische Systeme und Edge-Geräte zum Ziel. Dabei soll der …

No-IDLE – Interactive Deep Learning Enterprise

In den letzten Jahren haben Maschinen den Menschen bei der Bewältigung spezifischer und begrenzter Aufgaben übertroffen, z.B. bei speziellen Aufgaben …

MASTER – MASTER: Mixed reality ecosystem for teaching robotics in manufacturing

Viele Branchen befinden sich im Übergang zu Industrie-4.0-Produktionsmodellen, indem sie Roboter in ihre Prozesse integrieren. Gleichzeitig sind …

M-RoCK – Modellierung der Mensch-Maschine-Interaktion zur kontinuierlichen Verbesserung des Roboterverhaltens

M-Rock ist Teil der X-Rock Entwicklungen, die es Anwendern ermöglichen sollen, persönliche Assistenten ohne jegliches Expertenwissen zu entwerfen, und …

PAIRS – Privacy-Aware, intelligent and Resilient Crisis Management

In einer immer stärker vernetzten und dynamischen Welt sind Krisen unvermeidlich, schwer vorherzusagen und stellen immense Herausforderungen dar, die …

SPAICER – Skalierbare adaptive Produktionssysteme durch KI-basierte Resilienzoptimierung

Der Innovationswettbewerb „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ (KI-Innovationswettbewerb) des …

APRIL – Multipurpose robotics for mAniPulation of defoRmable materIaLs in manufacturing processes

Ziel des APRIL-Projekts ist die Entwicklung von kostengünstigen und agilen, marktorientierten Mehrzweck- und leicht umrüstbaren autonomen Robotern, …

Fast&Slow – Kombination Symbolischer und Subsymbolischer Methoden

Deep-Learning-Verfahren werden in vielen Anwendungsgebieten eingesetzt und arbeiten nach einer Trainingsphase sehr effizient. Allerdings kann über …