Publikationen

Cyber-Physische Systeme wie autonome Fahrzeuge müssen sicher funktionieren und dafür adaptiv und vorausschauend sein. Marta Grobelna beschreibt in ihrem Paper, wie Ereichbarkeitsanalysen in Kombination mit Spieltheorie zur Risikovorhersage von Gefahrensituationen genutzt werden können.  

Die Zusammenarbeit von Menschen und automatisierten Systemen in einem Lager muss sicher sein. Das Fraunhofer IKS schlägt deswegen eine Architektur vor, die Infrastruktursensoren nutzt, um Mensch-Roboter-Kollisionen in unübersichtlichen Ecken mit automatischen Gabelstaplern zu verhindern. Dieser Ansatz wurde mit Hilfe einer Simulation verifiziert.

In ihrem Poster und Poster-Paper stellen Tom Haider und Kollegen einen Markov Decision Process (MDP) vor, mit dem Umweltveränderungen formalisiert werden können. So können End-to-End Deep Reinforcement Learning Systeme besser mit unbekannten Situationen umgehen.

Im Rahmen des ADA Lovelace Center for Analytics, Data and Applications hat das Fraunhofer IKS ein technisches Whitepaper zu Machine-Learning-Methoden für eine verlässliche Perzeption autonomer Systeme erarbeitet. Darin werden Methoden zur Quantifizierung der Unsicherheit in Deep Neural Networks vorgestellt, entwickelt und bewertet.

Was unterscheidet DevOps von traditioneller Softwareentwicklung? Diese Frage beantwortet das Whitepaper zu Herausforderungen und Potenzialen von DevOps für die Entwicklung cyber-physischer Systeme, das das Fraunhofer IKS zusammen mit der Magazino GmbH veröffentlicht hat. Laden Sie das Whitepaper Devops for Developing Cyber-Physical Systems runter und lesen Sie direkt weiter.

Das Whitepaper »Flexilient End-to-End Architectures« des Fraunhofer IKS stellt zentralen Herausforderungen verlässlicher Cloud-basierter cyber-physical Systems (of Systems) dar. Ziel ist es, die Systeme so zu entwickeln, dass sie Resilienz, Intelligenz und Flexibilität vereinen. Das Fraunhofer IKS kombiniert dies zum neuen Begriff »Flexilience«.