Author: Elmar Rueckert

image_pdfimage_print

XMas 2024 – 6th of Dec 2024 – CeDi

Elmar Rueckert events

Dear CPS team, thank you all very much for this successful year. We had a very nice Christmas party in our new building – the center of digitalization (CeDi), or in german – Das Haus der Digitalisierung. 

Multi-modale, taktile-visuelle Robotergreifsystem für industrielle Anwendungen (MUTAVIA)

Elmar Rueckert projects_thirdparty

Schlüsseltechnologien im produktionsnahen Umfeld 2024

FFG Projekt 03/2025-02/2028

Taktiles Greifen und Haptik für das Interagieren mit der Umgebung sowie das Manipulieren von Objekten ist eines der aktuellsten und interessantesten Forschungsgebiete in der Robotik und Automation. Diese Themen werden von Branchenexperten und der wissenschaftlichen Community neben KI und maschinellem Lernen als zweite besonders relevante, jedoch noch nicht zufriedenstellend gelöste Schlüsseltechnologie, identifiziert.

Im industriellen Umfeld ergeben sich nach bereits erfolgreicher Integration von robotischer Automation durch Industrieroboter in Bearbeitungs- und Produktionsprozesse vermehrt Fragestellungen mit herausfordernden Manipulationsaufgaben. Beispiele hierfür sind die Handhabung von Objekten mit hoher Formvielfalt, das Greifen von Objekten mit deformierbarer (weicher) Oberflächenqualität, die Manipulation von biegeschlaffen Objekten wie Folien und Textilien oder von besonders fragilen und sensitiven Objekten. Derartige Problemstellungen können mit Stand-der-Technik Industrieroboter und bestehenden Greifern und Manipulatoren nicht zufriedenstellend aufgelöst werden, insbesondere wenn die genannten Objektklassen kombiniert bzw. vermischt auftreten.

Dieses Projekt hat die Ziele, taktile Roboterhände und interaktive maschinelle Lernmethoden auf Basis von Sensorhandschuhen für Manipulationsaufgaben in der Produktionsindustrie zu entwickeln. Die entwickelten praxisnahen Lösungen stellen einen wichtigen Technologievorteil für den Industriestandort Österreich dar und werden auch nachhaltig die Wettbewerbsfähigkeit kleiner und mittelständischer Unternehmen prägen.

Projekt Consortium

  • Montanuniversität Leoben
    • Forschungs- und Innovationsservice Montanuniversität (Administrativer Koordinator)
    • Lehrstuhl für Automation und Messtechnik
    • Lehrstuhl für Cyber-Physical-Systems
  • FreyZein GmbH
  • Saubermacher Dienstleistungs AG

Fördergeber

  • Österreichische Forschungsförderungsgesellschaft mbH (FFG)

Project Summary

Tactile grasping and haptics for interacting with the environment and manipulating objects is one of the most current and interesting areas of research in robotics and automation. These topics are identified by industry experts and the scientific community alongside AI and machine learning as the second particularly relevant key technology that has not yet been satisfactorily resolved.

Following the successful integration of robotic automation by industrial robots into machining and production processes, more and more issues with challenging manipulation tasks are arising in the industrial environment. Examples of this include handling objects with a wide variety of shapes, gripping objects with deformable (soft) surfaces, manipulating flexible objects such as foils and textiles or particularly fragile and sensitive objects. Such problems cannot be solved satisfactorily with state-of-the-art industrial robots and existing grippers and manipulators, especially when the object classes mentioned are combined or mixed.

This project aims to develop tactile robot hands and interactive machine learning methods based on sensor gloves for manipulation tasks in the production industry. The practical solutions developed represent an important technological advantage for Austria as an industrial location and will be used in the future.

Poster

TBA

Other

TBA

Mag. Eva Anderson (Secretary)

Elmar Rueckert people_secretariat

Secretrary

Short bio: Mrs. Eva Anderson, M.Sc. will join the CPS team in February 2025. 

Research Interests

  • Cyber-Physical-Systems 
  • Modern Technologies 
  • Learning Machines and Robotics

Contact

Mag. Eva Anderson
Sekretariat des Lehrstuhls für Cyber-Physical-Systems
Montanuniversität Leoben
Franz-Josef-Straße 18, 
8700 Leoben, Austria 

Phone:  +43 3842 402 – 1901
Email:   eva.anderson@unileoben.ac.at 
Web:  https://cps.unileoben.ac.at

1 Stelle im Sekretariat (m/w/d) – 12.Dezember 2024, RefID: 2411APC

Elmar Rueckert job

Die Montanuniversität Leoben ist eine moderne Lehr- und Forschungsstätte und bietet sehr gute
Voraussetzungen für Karrieren in wissenschaftlichen und nichtwissenschaftlichen Berufsfeldern.
Am Department Product Engineering – Lehrstuhl für Cyber-Physical-Systems gelangt die Stelle im
Sekretariat (m/w/d) zur Besetzung.

Für diese Position ist gemäß dem Kollektivvertrag für Arbeitnehmer*innen (m/w/d) der Universitäten die
Verwendungsgruppe IIb (€ 2.460,10 brutto, 14x jährlich) vorgesehen, tatsächliche Einstufung erfolgt
lt. anrechenbarer tätigkeitsspezifischer Vorerfahrung.

Vorgesehener Dienstantritt: ehest möglich
Beschäftigungsdauer: unbefristet
Beschäftigungsausmaß in Wochenstunden: 20 h (mit der Option auf Erhöhung des Beschäftigungsausmaßes ab Jänner 2026)

Aufgabenbereich

  • Unterstützung der Lehrstuhlleitung bei der Verwaltung von Terminen und Korrespondenz in
    deutscher und englischer Sprache
  • Allgemeine Verwaltungstätigkeiten
  • Büroorganisation, Korrespondenz, Parteienverkehr
  • Mitarbeit bei Projektkoordination
  • Bestellung und Zahlungsabwicklung über SAP
  • Organisation der Lehre
  • Betreuung der Studierenden und Vortragenden
  • Parteienverkehr

Anstellungsvoraussetzungen

  • Abgeschlossene kaufmännische Ausbildung (Handelsschule oder ähnlich) mit mehrjähriger,
    einschlägiger Berufserfahrung
  • Kaufmännische, fachliche und organisatorische Kenntnisse
  • Sehr gute EDV-Kenntnisse (MS Office)
  • Sehr gute Deutsch und Englisch Kenntnisse (Wort und Schrift)
  • Männliche Bewerber nur nach abgeschlossenem Präsenz-/Zivildienst

Erwünschte Zusatzqualifikationen:

  • Selbständiges und genaues Arbeiten sowie Einsatzfreude und Bereitschaft zur Übernahme von
    Eigenverantwortung
  • Tragfähigkeit
  • Organisationsgeschick
  • Koordinationsfähigkeit und Flexibilität
  • Hands-on Mentalität
  • Gepflegtes und sicheres Auftreten

Wir bieten zahlreiche Benefits, unter anderem:

  • Gute öffentliche Erreichbarkeit mit Zug und Bus
  • Flexible Arbeitszeit
  • Arbeitsmedizinische Leistungen
  • Gesundheitstag/Gesundheitsförderung
  • Universitätssportprogramm
  • Einkaufsvergünstigungen
  • Sprachförderung

Bewerbung und Unterlagen

Referenznummer: 2411APC
Ende der Bewerbungsfrist: 12.12.2024

Personen mit Behinderung oder chronischen Erkrankungen, die, die geforderten Qualifikationskriterien
erfüllen, werden ausdrücklich zur Bewerbung aufgefordert.

Um eine geschlechtsneutrale Formulierung zu gewährleisten, werden geschlechterspezifische Artikel,
Pronomen und Adjektive im Text abgekürzt dargestellt.

Leider können die Reise- und Aufenthaltskosten, die aus Anlass des Aufnahmeverfahrens entstehen,
nicht vergütet werden. Die Aufnahmen erfolgen nach den Bestimmungen des Universitätsgesetzes
2002 (UG) und des Angestelltengesetzes.

Die Montanuniversität Leoben strebt eine Erhöhung des Frauenanteiles an und fordert deshalb
qualifizierte Frauen ausdrücklich zur Bewerbung auf. Frauen werden bei gleicher Qualifikation wie der
bestgeeignete Mitbewerber vorrangig aufgenommen.

Für Ihre Bewerbung verwenden Sie bitte unser Online Bewerbungsformular auf der Homepage:
https://www.unileoben.ac.at/jobs

Dr. Christian Rauch

Elmar Rueckert people_groupleader

Short Bio

Dr. Christian Rauch is a Research Scientist at Bosch Corporate Research in the Robot Learning group. He received his Ph.D. degree in 2020 in Robotics and Autonomous Systems at the University of Edinburgh. He has over 10 years of experience in applying machine learning techniques to robotic perception and manipulation tasks in unstructured environments. In his current research he focuses on the application of Foundation Models to robotic manipulation tasks in industrial and domestic contexts.

We are pleased to announce that Dr. Christian Rauch will join the CPS team in February 2025.

Research Interests​

Machine learning, Robot Learning, Robot Vision, Perception and Manipulation.

Contact

Dr. Christian Rauch
Research Group Leader at the Chair of Cyber-Physical-Systems
Montanuniversität Leoben
Franz-Josef-Straße 18, 
8700 Leoben, Austria 

Phone:  +43 3842 402 – 1901
Email:rauch@ai-lab.science
Chat: WEBEX

Selected Publications

Richard Marecek

Elmar Rueckert people_student_assistants

Student Assistant at the Montanuniversität Leoben

MarecekRichard

Short bio: Richard Marecek started at CPS in October  2024.

He is a bachelor student at Montanuniversität Leoben in the program Industrial Data Science. His research interests include industrial process modeling based on large sensor arrays and machine learning algorithms. 

Research Interests

  • Industrial Process Modeling 
  • Machine Learning
  • Python Programming

Contact

Richard Marecek
Student Assistant at the Chair of Cyber-Physical-Systems
Montanuniversität Leoben
Franz-Josef-Straße 18,
8700 Leoben, Austria 

Email: richard.marecek@stud.unileoben.ac.at

Rino Morina

Elmar Rueckert people_student_assistants

Student Assistant at the Montanuniversität Leoben

RinoMorina

Short bio: Rino Morina started at CPS in October  2024.

Rino Morina is a bachelor student at Montanuniversität Leoben in the program Industrial Data Science. His research interests include data modeling based on machine learning algorithms including neural networks. 

Research Interests

  • Data Modeling 
  • Machine Learning
  • Python Programming

Contact

Rino Morina
Student Assistant at the Chair of Cyber-Physical-Systems
Montanuniversität Leoben
Franz-Josef-Straße 18,
8700 Leoben, Austria 

Email: rino.morina@stud.unileoben.ac.at

Julia Schmelz

Elmar Rueckert people_student_assistants

Student Assistant at the Montanuniversität Leoben

Portrait_Schmelz

Short bio: Julia Schmelz started at CPS in October  2024.

Julia Schmelz is a master student at Montanuniversität Leoben in the program Industrial Data Science. Her research interests include data modeling based on machine learning algorithms including neural networks. 

Research Interests

  • Data Modeling 
  • Machine Learning
  • Python Programming

Contact

Julia Schmelz
Student Assistant at the Chair of Cyber-Physical-Systems
Montanuniversität Leoben
Franz-Josef-Straße 18,
8700 Leoben, Austria 

Email: julia-maria.schmelz@stud.unileoben.ac.at

CPS 5-Finger Robot Hand 2024

Elmar Rueckert research_robots

Self-made, dexterous 5-finger hand

We use a adult-sized robot hand for learning grasping and object manipulation skills. The hand is mounted on our FRANKA EMIKA Panda robot. 

The hand has 19 degrees-of-freedom and uses 8 smart actuators for precise control (actuators contained inside the unit).

Under actuated design aims to provide the right balance between fine control and conformance to the shape of the objects.

Webserver GUI for Control

Within a student project, an ESP32 based web-server was developed for controlling the hand, see the git repository. 

Videos

  • Research videos using the robot will be presented here. 
 

Publications

Sorry, no publications matched your criteria.

190.018 Introduction to Machine Learning (4SH VU, SS)

Elmar Rueckert teaching_currentlectures

This course is based on the Machine Learning book by Univ.-Prof. Dr. Elmar Rueckert. 

It is written for experienced undergraduates or for first
semester graduate students.

This lecture with integrated exercises provides the basic knowledge for the application of modern machine learning methods. It includes an introduction to the basics of data modeling and probability theory. Classical probabilistic linear and non-linear regression methods are derived and discussed using practical examples.

Links and Resources

Location & Time

Lecture

 

Exercise

 

Slides

Course Topics

  1. Introduction to Machine Learning (Data and modelling fundamentals)
  2. Introduction to Probability Theory (Statistics refresher, Bayes Theorem, Common Probability distributions, Gaussian Calculus).
  3. Linear Probabilistic Regression (Linear models, Maximum Likelihood, Bayes & Logistic Regression).
  4. Nonlinear Probabilistic Regression (Radial basis function networks, Gaussian Processes, Recent research results in Robotic Movement Primitives, Hierarchical Bayesian & Mixture Models).
  5. Probabilistic Inference for Time Series (Time series data, basis function models, learning).

Learning objectives / qualifications

  • Students get a comprehensive understanding of basic probability theory concepts and methods.
  • Students learn to analyze the challenges in a task and to identify promising machine learning approaches.
  • Students will understand the difference between deterministic and probabilistic algorithms and can define underlying assumptions and requirements.
  • Students understand and can apply advanced regression, inference and optimization techniques to real world problems.
  • Students know how to analyze the models’ results, improve the model parameters and can interpret the model predictions and their relevance.
  • Students understand how the basic concepts are used in current state-of-the-art research in robot movement primitive learning and in neural planning.

Grading

The course will be graded based on a written exam (100 Points). 50% of all questions need to be answered correctly to be positive. The exam will take place in the classroom, or online, depending on the current university regulations.

In addition, up to 10 bonus points obtained in regular quiz sessions in the classroom, and 20% of the achieved points of the Machine Learning Lab will be added to your exam result. Note that bonus points can only be obtained when attending the lectures in person. 

Grading scheme: 0-49.9Pts (5), 50-65.9Pts (4), 66-79Pts (3), 80-91Pts (2), 92-100Pts (1).

Forthcoming exam dates are:

  • XX.06.2025 at 13:15 HS 1 Studienzentrum
  • XX.10.2025 at 13:15 – 14:45  (location not fixed)
  • More dates upon request via email to cps@unileoben.ac.at (send your request one month in advance to the desired exam date).

Literature

  • The Probabilistic Machine Learning book by Univ.-Prof. Dr. Elmar Rueckert. 
  • James-A. Goulet. Probabilistic Machine Learning for Civil Engineers. ISBN 978-0-262-53870-1.
  • Daphne Koller, Nir Friedman. Probabilistic Graphical Models: Principles and Techniques. ISBN 978-0-262-01319-2
  • Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer (2006). ISBN 978-0-387-31073-2.
  • David Barber. Bayesian Reasoning and Machine Learning, Cambridge University Press (2012). ISBN 978-0-521-51814-7.
  • Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. ISBN 978-0-262-01802-9

Note that all books are available at our library or at the chair of CPS.