Projekte

RoX – Verbundprojekt: Digitales Ökosystem für Kl-basierte Robotik (RoX) - Teilvorhaben: Nutzung von Kl-Methoden zur Optimierung von robotischen Fähigkeiten

Im September 2024 ist das vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderte Verbundprojekt „RoX“ offiziell gestartet. Ziel des ...

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 ...

dAIEDGE – A network of excellence for distributed, trustworthy, efficient and scalable AI at the Edge

The dAIEDGE Network of Excellence (NoE) seeks to strengthen and support the development of the dynamic European cutting-edge AI ecosystem under the ...

Adra-e – AI, Data and Robotics ecosystem

Adra-e – Unterstützung der AI, Data and Robotics Community bei der Entwicklung eines nachhaltigen europäischen Ökosystems Adra-e ist eine sog. ...

AW4.0 – Autowerkstatt4.0

Im Projekt Autowerkstatt 4.0 (AW 4.0) entwickelt ein Konsortium aus Partnerunternehmen und Forschungsinstituten eine deutschlandweite Plattform für ...

STAR – Safe and Trusted Human Centric ARtificial Intelligence in Future Manufacturing Lines

STAR is a joint effort of AI and digital manufacturing experts towards enabling the deployment of standard-based secure, safe and reliable ...

INSYS – INTerpretable monitoring SYStems

Das Projekt INSYS beschäftigt sich mit der Interpretierbarkeit von gelernten Modellen und den daraus resultierenden Möglichkeiten zur ...

CAMELOT – Kontinuierliches adaptives maschinelles Lernen für Kontrollübergabe-Situationen

Eine wesentliche Herausforderung bei autonomen Systemen wie Fahrzeugen oder Robotern bleibt der Umgang mit Situationen, die das System alleine nicht ...

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 ...