zurück

Von der Demonstration zur Autonomie: Imitationslernen mit einem Roboterarm für die Handhabung von Früchten

Beschreibung

Die Erkennung und das gezielte Greifen von Früchten und Gemüse stellt eine zentrale Herausforderung in der Agrarrobotik dar. Konventionelle robotische Ansätze erfordern häufig umfangreiche Programmierung und manuell definierte Merkmale und sind dadurch nur begrenzt auf unterschiedliche Produkte und Umgebungen übertragbar. Imitationslernen (Imitation Learning) und Vision-Language-Action (VLA)-Modelle bieten einen vielversprechenden Ansatz, um Robotersysteme durch Demonstrationen für komplexe Greifaufgaben zu trainieren.

Dieses Projekt untersucht den Einsatz von lernbasierten Methoden für die Erkennung und das Greifen landwirtschaftlicher Produkte.  Ziel ist es, einen vollständigen Workflow von der Datenerfassung und Teleoperation über das Training eines KI-Modells bis hin zur Evaluation des erlernten Greifverhaltens aufzubauen. Die entwickelten Methoden und Modelle sollen eine Grundlage für zukünftige Anwendungen in der automatisierten Ernte unter realen Feldbedingungen schaffen.

Im Rahmen des Projekts wirst du:
- einen 6-DOF-Roboterarm assemblieren, kalibrieren und mit Kameras ausstatten
- Demonstrationsdaten durch Teleoperation erfassen
- ein KI-Modell auf Basis von Imitationslernen trainieren
- das erlernte Greifverhalten für landwirtschaftliche Produkte evaluieren
- die Ergebnisse analysieren und in einer wissenschaftlichen Posterpräsentation zusammenfassen

Interessiert am Projekt? Bereit, an der Schnittstelle von Agrarrobotik, maschinellem Lernen und praktischer KI zu arbeiten? Werde Teil der Entwicklung lernfähiger Robotersysteme als Grundlage für zukünftige automatisierte Erntesysteme.

Projektzeitraum
Wintersemester 2026/2027
Bewerbungszeitraum
12. bis 26.10.2026
Durchführung
semesterbegleitend
Details zu Projektzeitraum und Durchführung

Das Projekt wird während des Semesters durchgeführt. Der Zeitplan ist flexibel und wird mit den Betreuenden abgestimmt. Ein Teil der Arbeit (Datenvorbereitung, Modelltraining, Analyse) kann remote erfolgen. Die Assemblierung, Kalibrierung und Experimente finden am Institut für Agrartechnik statt, während die Datenanalyse und weitere Aufgaben auch remote erledigt werden können.

Studienfach
offen für alle Studienfächer
Betreuende
Dr. Wiomou Bonzi, Khandoker Ahammad, Tim Lumpp, Prof. Dr. Anthony Stein
Institut
Institut für Agrartechnik (440) (Fachgebiet für Künstliche Intelligenz in der Agrartechnik)
Sprache
deutsch/englisch
Teilnehmendenanzahl
min. 1, max. 2
Arbeitsaufwand
ca. 180 Stunden pro Teilnehmende:r | 6 ECTS-Punkte

Arbeitsaufwand (Stunden und ggf. ECTS) sind ungefähre Angaben. Die tatsächlich vergebenen ECTS-Punkte ergeben sich aus der tatsächlich geleisteten Arbeit.

 
Für dieses Projekt ist kein Motivationsschreiben des Studierenden erforderlich
Projektart
experimentell
Lernziele

Die Teilnehmende lernen in diesem Projekt:

Die Teilnehmende lernen in diesem Projekt:

  • Grundlagen der Robotik und des Betriebs eines aktuierten Roboterarms
  • Planung und Durchführung experimenteller Arbeiten mit einem Robotersystem
  • Erfassung und Analyse von Robotik- und Sensordaten
  • Grundlagen des maschinellen Lernens und des Imitationslernens für robotische Anwendungen
  • Training und Evaluation eines KI-Modells für robotische Aufgaben
  • Bewertung der Modellleistung und Analyse der experimentellen Ergebnisse
  • Aufbereitung und Präsentation der Ergebnisse in einem wissenschaftlichen Poster
Anmerkungen für Studierende
Schlagworte
Agrarrobotik, Roboterarm, Imitationslernen, Vision-Language-Action, Künstliche Intelligenz, Fruchternte, Bildverarbeitung