Die Automatisierung in dynamischen Umgebungen - in der Landwirtschaft, im Gesundheitswesen oder in der Kleinserienfertigung - ist begrenzt. Starre Industrieroboter versagen in diesen komplexen Umgebungen. Der Schlüssel zu einer flexibleren, anpassungsfähigen und sicheren Automatisierung ist eine bessere Wahrnehmung. Roboter müssen ihre Umgebung visuell schnell genug erfassen, um bewegte Objekte zu verfolgen und auf sie zu reagieren. Heutige Bildverarbeitungssysteme sind in ihrer Geschwindigkeit durch die Bildrate und Datendichte der bildbasierten Sensoren begrenzt.

Neuromorphes Computing bietet schnelle und energieeffiziente ereignisbasierte Kameras und Spiking-Neural-Network-Beschleuniger, die 3D-Vision in Echtzeit für Objekterkennung, Lokalisierung und Posenschätzung ermöglichen - Schlüsselaufgaben für die Vision in der Robotik. Neuromorphes Computing umfasst Computerhardware, Sensoren, Algorithmen und Anwendungsentwicklung. Neuromorphe Hardware erreicht ein um bis zu 5 Größenordnungen besseres Energie-Verzögerungs-Produkt für rekurrente neuronale Netze, parallele Such- und Optimierungsalgorithmen.

Unsere Forschung wird Folgendes umfassen:

1. Aufbau eines ereignisbasierten Echtzeit-3D-Sehsensors auf der Grundlage von Bewegungstiefe, ereignisbasiertem Stereo oder aktivem strukturiertem Licht; 
2. Entwicklung effizienter 3D-Darstellungen für neuromorphe Hardware: hierarchische Darstellung für Formen, ähnlich wie CNNs für Textur; NeRFs oder andere implizite Darstellungen sind ein Ausgangspunkt. 
3. Entwicklung von Methoden zur Objekterkennung, -lokalisierung und -posenschätzung unter Verwendung von a) neuromorphem Mustervergleich mit kNN-Suche und b) VSA-ähnlichen Resonatornetzen. 
4. Parallel zur technischen Arbeit werden wir mit DSI an ethischen Überlegungen zum Einsatz von Robotern im öffentlichen Raum und in neuen Bereichen, die unsere Technologie ermöglichen wird, zusammenarbeiten.