Refine
Year of publication
Document Type
- Conference Proceeding (52)
- Contribution to a Periodical (4)
- Report (2)
- Article (unreviewed) (1)
Conference Type
- Konferenzartikel (21)
- Sonstiges (19)
- Konferenz-Abstract (12)
Is part of the Bibliography
- yes (59) (remove)
Keywords
- RoboCup (31)
- Roboter (6)
- Humanoider Roboter (2)
- Machine Learning (2)
- Agentbasierter Transport (1)
- Deep Learning (1)
- Deep Reinforcement Learning (1)
- Entscheidungstheorie (1)
- Fußball (1)
- Humanoid Robots (1)
Institute
- Fakultät Elektrotechnik und Informationstechnik (E+I) (bis 03/2019) (35)
- Fakultät Elektrotechnik, Medizintechnik und Informatik (EMI) (ab 04/2019) (21)
- Fakultät Maschinenbau und Verfahrenstechnik (M+V) (13)
- IMLA - Institute for Machine Learning and Analytics (5)
- Fakultät Medien und Informationswesen (M+I) (bis 21.04.2021) (4)
- Fakultät Wirtschaft (W) (3)
- INES - Institut für nachhaltige Energiesysteme (2)
- Zentrale Einrichtungen (2)
Open Access
- Open Access (52)
- Bronze (34)
- Closed Access (5)
- Closed (2)
- Grün (2)
- Diamond (1)
This paper describes the Sweaty II humanoid adult size robot trying to qualify for the RoboCup 2018 adult size humanoid competition. Sweaty came 2nd in RoboCup 2017 adult size league. The main characteristics of Sweaty are described in the Team Description Paper 2017. The improvements that have been made or are planned to be implemented for RoboCup 2018 are described in this paper.
Soccer simulation league is one of the founding leagues of RoboCup. In this paper we discuss the past, present and planned future achievements and changes. Also we summarize the connections and inter-league achievements of this league and provide an overview of the community contributions that made this league successful.
In this TDP we describe a new tool created for testing the strategy layer of our soccer playing agents. It is a complete 2D simulator that simulates the games based on the decisions of 22 agents. With this tool, debugging the decision and strategy layer of our agents is much more efficient than before due to various interaction methods and complete control over the simulation.
In the future, the tool could also serve as a measure to run simulations of game series much faster than with the 3D simulator. This way, the impact of different play strategies could be evaluated much faster than before.
Team description papers of magmaOffenburg are incremental in the sense that each year we address a different topic of our team and the tools around our team. In this year’s team description paper we focus on the architecture of the software. It is a main factor for being able to keep the code maintainable even after 15 years of development. We also describe how we make sure that the code follows this architecture.
This paper presents the new Deep Reinforcement Learning (DRL) library RL-X and its application to the RoboCup Soccer Simulation 3D League and classic DRL benchmarks. RL-X provides a flexible and easy-to-extend codebase with self-contained single directory algorithms. Through the fast JAX-based implementations, RL-X can reach up to 4.5x speedups compared to well-known frameworks like Stable-Baselines3.
Die Einhaltung der innerhalb der Designphase festgelegten Architektur eines Softwareprojektes muss w ̈ahrend der Entwicklungsphase sichergestellt werden. Dieses Papier beschreibt eine Erweiterung des Eclipse-Plugins JDepend4Eclipse, die die Verwaltung von Regels ̈atzen erlaubt und die Pr ̈ufung auf in einem Projekt vorhandene, unerlaubte Abh ̈angigkeiten auf Knopfdruck innerhalb der Entwicklungsumgebung vornimmt. Die Erweiterung des Plugins wird bereits erfolgreich in internen Projekten der Hochschule Offenburg eingesetzt und soll demn ̈achst ̈offentlich verf ̈ugbar sein.
Existing approaches solving multi-vehicle pickup and delivery problems with soft time windows typically use common benchmark sets to verify their performance. However, there is a gap from these benchmark sets to real world problems with respect to instance size and problem complexity. In this paper we show that a combination of existing approaches together with improved heuristics is able to deal with the instance sizes and complexity of real world problems. The cost savings potential of the heuristics is compared to human dispatching plans generated from the data of a European carrier.
This paper describes the new Sweaty II humanoid adult size robot trying to qualify for the RoboCup 2016 adult size humanoid competition. Based on experiences during RoboCup 2014, the Sweaty robot has been completely redesigned to a new robot Sweaty II. A major change is the use of linear actuators for the legs. Another characteristic is its indirect actuation by means of rods. This allows a variable transmission ratio depending on the angle of a joint.
This paper describes the new Sweaty humanoid adult size robot trying to qualify for the RoboCup 2014 adult size humanoid competition. The robot is built from scratch to eventually allow it to run. One characteristic is that to prevent the motors from overheating, water evaporation is used for cooling. The robot is literally sweating which has given it its name. Another characteristic is, that the motors are not directly connected to the frame but by means of beams. This allows a variable transmission ratio depending on the angle.
This paper describes the Sweaty II humanoid adult size robot trying to qualify for the RoboCup 2017 adult size humanoid competition. Sweaty came 2nd in RoboCup 2016 adult size league. The paper describes the main characteristics of Sweaty that made this success possible, and improvements that have been made or are planned to be implemented for RoboCup 2017.
Deutschland hat nicht zuletzt durch seine zentrale Lage eine führende Rolle im Bereich der Transportlogistik in Europa übernommen. Allerdings stehen die großen Logistikunternehmen in den letzten Jahren zunehmend vor neuen Herausforderungen. Zum einen steigt die Menge zu transportierender Güter jährlich, zum anderen entstanden durch Verschmelzungen großer Logistikunternehmen wie z. B. Deutsche Post, Danzas und Exel, UPS und Fritz riesige Fahrzeugflotten, deren effiziente Planung die Unternehmen vor enorme Probleme stellt. Die einzige Möglichkeit, diese meist heterogenen, also aus vielen verschiedenen Verkehrsmitteln bestehenden Flotten mit herkömmlichen Mitteln effizient zu planen, ist die Aufteilung in (regionale) Geschäftsbereiche. Dadurch können viele Synergieeffekte nicht genutzt werden, was unter anderem zu unnötig hohen Transportkilometerleistungen und Leerfahrten führt. Mit Hilfe agentenbasierter Systeme können heute schon Kosteneinsparungen von 3 – 6 % bei homogenen Verkehrsmitteln erzielt werden. Das Einsparpotenzial dürfte bei heterogenen Flotten ähnlich hoch, wenn nicht noch etwas höher sein. Allerdings liefern derzeit agentenbasierte Systeme für heterogene Flotten noch keine zufriedenstellenden Ergebnisse. Durch die Kombination der beiden vorrangig für die Transportoptimierung eingesetzten Techniken agentenbasierte (bottomup) Optimierung und der klassischen (topdown)Optimierung soll auch das Einsparpotenzial von heterogenen Flotten realisiert werden. Diese Optimierung ist Gegenstand des Attractive Forschungsprojekts, das von August 2009 bis Juli 2012 im Rahmen des Programms ingenieurNachwuchs gefördert wird.
Seit 1997 finden jährlich Weltmeisterschaften im Roboterfußball statt. Das Ziel ist es dabei, bis 2050 eine Mannschaft aus Robotern zu stellen, die gegen den menschlichen Fußballweltmeister gewinnt. Dazu müssen die Roboter in der Lage sein, das Verhalten ihrer menschlichen Gegner einzuschätzen und ihre Entscheidungen vorauszuahnen. Während die gängigen Verfahren zur Entscheidungsfindung in unsicheren Umgebungen in der Regel auf rationalen Entscheidungen nach der Entscheidungstheorie basieren, zeigt sich, dass menschliches Entscheiden teilweise nicht dieser Rationalität folgt. Daniel Kahneman und Amos Tversky zeigten das in vielen Studien und entwickelten daraus die bekannte Prospect Theory für die Kahneman 2002 den Wirtschaftsnobelpreis erhielt. In diesem Artikel wird beschrieben, wie Extended Behavior Networks (EBNs) auf einfache Weise erweitert werden können, um menschliches Entscheidungsverhalten auch in Situationen reproduzieren zu können, die von der rationalen Entscheidungstheorie abweichen.
In their famous work on prospect theory Kahneman and Tversky have presented a couple of examples where human decision making deviates from rational decision making as defined by decision theory. This paper describes the use of extended behavior networks to model human decision making in the sense of prospect theory. We show that the experimental findings of non-rational decision making described by Kahneman and Tversky can be reproduced using a slight variation of extended behavior networks.
Große Logistikunternehmen stehen in den letzten Jahren zunehmend vor neuen Herausforderungen. Zum einen steigt die Menge zu transportierender Güter jährlich, zum anderen entstanden durch Verschmelzungen großer Logistikunternehmen, wie z. B. Deutsche Post, Danzas und Exel oder UPS und Fritz, riesige Fahrzeugflotten, deren effiziente Planung die Unternehmen vor enorme Probleme stellt. Die einzige Möglichkeit, diese meist heterogenen, also aus vielen verschiedenen Verkehrsmitteln bestehenden Flotten mit herkömmlichen Mitteln effizient zu planen, ist die Aufteilung in (regionale) Geschäftsbereiche. Dadurch können viele Synergieeffekte nicht genutzt werden, was unter anderem zu unnötig hohen Transportkilometerleistungen und Leerfahrten führt. Im Rahmen des Forschungsprojekts Attractive (Programm IngenieurNachwuchs) wurden neue Algorithmen entwickelt, mit deren Hilfe dieOptimierung von Transportaufträgen unter realen Be-dingungen und in realistischen Größenordnungen möglich wird. In diesem Artikel wird kurz auf die Optimierung eingegangen, und dann werden die ersten gewonnenen Ergebnisse zusammengefasst.
Seit 1997 finden jährlich Weltmeisterschaften im Roboterfußball statt. Dabei wird in verschiedenen Ligen teils mit echten, teils mit simulierten Robotern Fußball gespielt. In der small size league spielen fünf gegen fünf Roboter auf einem 5x4,5 m großen Feld. Die Steuerung der Roboter wird von einem externen Rechner übernommen, der seine Information von einer über dem Feld angebrachten Kamera erhält. In der middle size league spielen vier gegen vier Roboter auf einem 8x12 m großen Feld. Hier müssen im Unterschied zur small size league die Roboter vollständig autonom sein, d.h., alle Sensoren und auch die Entscheidungslogik muss auf dem Roboter selbst untergebracht sein. Dasselbe gilt für die four legged robot league, bei der jeweils vier Sony Aibo Roboter gegeneinander antreten (Abbildung 1.11-1), sowie für die Königsklasse, der humanoid league, bei der jeweils drei zweibeinige Roboter gegeneinander spielen. Daneben existieren zwei Simulationsligen: die seit 1997 existierende 2D simulation league, bei der elf gegen elf gespielt wird und die seit 2005 im Programm befindliche 3D simulation league, bei der im Gegensatz zur 2D league tatsächlich existierende zweibeinige Nao-Roboter simuliert werden. In dieser Liga hat sich erstmals eine Mannschaft der Hochschule Offenburg für die Weltmeisterschaft 2009 qualifiziert. Neben Fußballrobotern gibt es auch Ligen für Hausroboter (RoboCup@Home) und Rettungsroboter (RoboCup Rescue). Inzwischen ist die RoboCup WM mit der zugehörigen Konferenz zum größten Robotik-Event weltweit avanciert.