kein Bild

M.Sc. Jan Brüdigam

Technische Universität München

Lehrstuhl für Informationstechnische Regelung (Prof. Hirche)

Postadresse

Postal:
Barerstr. 21
80333 München

Kurze Biografie

Seit 08/2020 Wissenschaftlicher Mitarbeiter
Lehrstuhl für Informationstechnische Regelung
Technische Universität München (TUM)
09/2019 – 05/2020 Masterarbeit: Variationsintegratoren in Maximalen Koordinaten
Stanford University, USA
2017 – 2020 Master of Science, Elektro- und Informationstechnik
Fokus: Robotik, Regelungstechnik und Numerische Optimierung
Technische Universität München (TUM)
03/2017 – 09/2017 Bachelorarbeit: Steuerung und Regelung textiler Exoskelette
Harvard University, USA
2014 – 2017 Bachelor of Science, Elektro- und Informationstechnik
Fokus: Regelungstechnik und Robotik
Technische Universität München (TUM)

 

Forschung

SeaClear

Die Ozeane enthalten heutzutage tonnenweiße Abfall, der sich zu großen Teilen unter Wasser befindet. Während bereits einiger Einsatz in das Aufsammeln von Abfall auf der Wasseroberfläche geflossen ist, gab es bis jetzt nur wenige Versuche, Abfall auf dem Meeresboden einzusammeln. Zudem sind derartige Maßnahmen meist auf menschliche Taucher angewiesen.

Als Team von Forschern an der TUM und in Kollaboration mit Partnern in ganz Europa arbeiten wir im Rahmen des SeaClear Projekts an Strategien für das automatisierte Aufsammeln von Unterwasserabfall. Dazu entwickeln wir Konzepte für autonome Roboter, die uns bei dieser Aufgabe unterstützen.

Interessante Forschungsfragen ergeben sich dabei in einer Vielzahl von Gebieten:

  • Hardware: Zum Aufsammeln von Abfall sind geeignete mechanische Greifer zu entwickeln.
  • Robotik und Regelung: Die Modellierung und Regelung der Roboter in der Unterwasserumgebung sowie die Kooperation mit Menschen erfordert neue Lösungsansätze.
  • Künstliche Intelligenz: Mit schlechter Sicht unter Wasser und vielen unbekannten Störeinflüssen ergeben sich interessante Möglichkeiten für den Einsatz künstlicher Intelligenz.

Robotisches Greifen

Roboter werden mittlerweile häufig in der industriellen Fertigung für verschiedenste Aufgaben eingesetzt. Im Alltag trifft man jedoch neben einfachen Systemen auf Rädern nur sehr wenige fortgeschrittene Roboter. Einer der Hauptgründe hierfür ist, dass robotisches Greifen bis jetzt noch sehr unterentwickelt ist. Außerdem beschränken sich die meisten Methoden auf Zweibackengreifer, die für komplizierter Anwendungen unzureichend sind.

Aus diesem Grund erforschen wir robotisches Greifen mit hand-ähnlichen Greifern in verschiedenen Situationen. Dabei kommen sowohl moderne Lernmethoden zum Einsatz als auch Ansätze der klassischen Optimierung und optimalen Regelung. 

Robotik in Maximalen Koordinaten

Typischerweise werden Roboter in sogenannten minimalen (oder auch generalisierten) Koordinaten beschrieben. Dabei steht jede Koordinate für einen Freiheitsgrad eines Systems (zum Beispiel die Auslenkung eines Pendels). Der Vorteil dieser Beschreibungsform liegt in der geringen Anzahl von Variablen und der Vermeidung von Zwangs- und Nebenbedingungen.

Für moderne Roboter mit komplizierteren Aufgaben sind minimale Koordinaten jedoch nicht unbedingt ideal. Stattdessen kann sich der Einsatz von maximalen Koordinaten lohnen, bei denen ein System quasi entkoppelt beschrieben wird und durch Nebenbedingungen zusammengeführt wird. Diese Art der Parametrisierung bietet eine Reihe von numerischen und regelungstechnischen Vorteilen. Gleichzeitig gibt es hierzu aber auch noch einige offene Forschungsthemen.

Code für eine Dynamiksimulation in maximalen Koordinaten befindet sich hier:
https://github.com/janbruedigam/ConstrainedDynamics.jl

Ausgewählte Publikationen

2022

  • J. Brüdigam; M. Schuck; A. Capone; S. Sosnowski; S. Hirche: Structure-Preserving Learning Using Gaussian Processes and Variational Integrators. 4th Annual Conference on Learning for Dynamics and Control, 2022 mehr… BibTeX Volltext (mediaTUM)

2021

  • J. Brüdigam, J. Janeva, S. Sosnowski, and S. Hirche: Linear-Time Contact and Friction Dynamics in Maximal Coordinates using Variational Integrators. 2022 IEEE International Conference on Robotics and Automation (ICRA) (submitted), 2021 mehr… BibTeX Volltext (mediaTUM)

2020

  • J. Brüdigam and Z. Manchester: Linear-Time Variational Integrators in Maximal Coordinates. Workshop on the Algorithmic Foundations of Robotics (WAFR), 2020 mehr… BibTeX Volltext (mediaTUM)