In dem europäischen Forschungsprojekt SESAME forscht das Fraunhofer IESE gemeinsam mit den Projektpartnern an einer Methodik zur modellbasierten Entwicklung und Absicherung von Multi-Roboter-Systemen (MRS) mit Machine-Learning- und Deep-Learning-Komponenten.
Letzte Änderung:
Multi-Roboter-Systeme (MRS) bestehen aus verteilten und miteinander verbundenen Roboterteams, die Aufgaben ausführen können, die über die Kompetenz eines einzelnen Roboters hinausgehen. Obwohl MRS eine verbesserte Skalierbarkeit und Leistung sowie erhöhte Robustheit und Missionsfähigkeit bieten, führt das Fehlen einer systematischen Engineering-Methodik, die den gesamten Engineering-Lebenszyklus abdeckt und die hervorstechenden Merkmale von MRS wie Offenheit, Unsicherheit, Variabilität und das Zusammenspiel von Safety und Security effizient behandelt, zu Lösungen, die aufgrund von fragilem Design und unrealistischen Annahmen scheitern. SESAME adressiert diese Probleme durch einen offenen, modularen, modellbasierten Ansatz für die systematische Entwicklung von zuverlässigen MRS. Um dieses ehrgeizige Ziel zu erreichen, kombiniert SESAME fünf von Endanwendern geleitete Anwendungsfälle (in den Bereichen Gesundheitswesen, agile Fertigung, Agrar- und Ernährungswirtschaft sowie Inspektion und Wartung) mit den F&E-Kompetenzen von Partnern, die auf eine lange Erfolgsgeschichte in der Durchführung von Spitzenforschung in den Bereichen Robotik, modellbasierte Sicherheit, Sicherheitsanalyse, Validierung und Verifizierung zurückblicken können. Ziel ist, Forschungsergebnisse zu liefern, die sich durch weit verbreitete, nachhaltige und industrietaugliche Open-Source-Software auszeichnen.
Fraunhofer-Institut für Experimentelles Software Engineering IESE