Beitrag 1: Effizientes Lernen von Montageprozessen basierend auf Manipulations-Primitiv Netzen

Marco Braun und Sebastian Wrede

Kurzbiografie:

Marco Braun ist Wissenschaftlicher Mitarbeiter im BMBF- Projekt:ITS.ML: Intelligente Technische Systeme der nächsten Generation durch Maschinelles Lernen und forscht an Grey-Box Learning Methoden für die Robotik. Ziel ist es, die Programmierung komplexer roboterbasierter Montageprozesse durch den gezielten Einsatz von KI-Methoden zu erleichtern.

Beitrag 2: What robots think

Constanze Schwan

Kurzbiografie:

Mein Name ist Constanze Schwan. Seit dem 01.01.2019 bin ich wissenschaftliche Mitarbeiterin an der FH Bielefeld im Center for Applied Data Science (CfADS) Gütersloh. Mein Forschungsthema ist wie man Robotern das Greifen von unbekannten Objekten in dynamischen Umgebungen beibringen kann. Dabei arbeite ich mit Technologien aus dem Bereich Deep Learning. Besonders faszinierend daran finde ich, dass die tiefen neuronalen Netze die besten Ergebnisse auf Bildverarbeitungsprobleme liefern können, wir aber bis heute nicht verstanden haben, wie diese Netze funktionieren.

Beitrag 3: Hä? Von verwirrten Saugrobotern, enttäuschten Bankkunden, und erklärbarer künstlicher Intelligenz

Ulrike Kuhl

Kurzbiografie:

Ich bin Ulrike Kuhl und wissenschaftliche Mitarbeiterin im HammerLab für Machinelles Lernen an der Universität Bielefeld. Mit meinem Hintergrund in Cognitive Science faszinieren mich die Wechselwirkungen zwischen Kognition und Künstlicher Intelligenz. Im Mittelpunkt meiner Forschung steht das junge Feld der erklärbaren künstlichen Intelligenz, und damit die Herausforderung, wie Menschen verstehen, warum ein Algorithmus eine Entscheidung trifft.