No abstract

No abstract

Stetig steigende Komplexität und wachsende Informationsdichten in Produktionssystemen eröffnen Potentiale zur Anwendung von Methoden des maschinellen Lernens. Reinforcement Learning ist besonders geeignet, autonome agentenbasierte Steuerungen umzusetzen. Allerdings wird dessen Anwendung bei sich wandelnden Produktionssystemen erschwert. Es wird erstmalig gezeigt, dass der Transfer-Learning-Ansatz für Produktionssteuerungen mit Reinforcement Learning zu einem verbesserten Trainingserfolg führen kann.

No abstract

Der Einsatz von Nutzfahrzeugen bringt eine hohe Anzahl schwerer Unfälle mit sich. Mit bildverarbeitenden Verfahren können die Maschinenführenden gezielt auf Gefahrensituationen hingewiesen werden. Dieser Beitrag stellt eine bilddatenbasierte Bewegungsprognose von Personen im Gefahrenbereich eines Mobilkrans dar. Die Visualisierung dieser Gefahrensituationen mittels AR-Technologie ermöglicht einen rechtzeitigen Eingriff durch die Kranführenden. In Labor- und Feldtests konnte die Funktionsfähigkeit des Systems nachgewiesen werden.