Honigbienen gehören zu den am umfangreichsten untersuchten Modellorganismen der Biologie und verfügen über ein hochsoziales Verhaltensrepertoire. Ein Bienenstaat besteht dabei die meiste Zeit ausschließlich aus weiblichen Bienen, die je nach Alter verschiedene Aufgaben übernehmen. Die älteren Bienen verlassen den Bienenstock regelmäßig zur Nektar- und Pollenbeschaffung. Um andere Sammlerinnen über weit entfernte Futterquellen zu informieren, werden deren Ortsinformationen über den sogenannten Schwänzeltanz kodiert und kommuniziert. Es ist allerdings bisher ungeklärt, wie sich Tänzerinnen und Folgebienen finden oder ob es dabei Präferenzen für bestimmte Bienen gibt. Mithilfe der BeesBook-Technologie, die an der Freien Universität entwickelt wird, lässt sich fast das gesamte Leben jedes Individuums innerhalb der Honigbienenkolonie nachverfolgen. Dies ermöglicht es, die räumliche Verteilung und die Interaktionen von Sammlerinnen auf der Wabe zu untersuchen. In dieser Bachelorarbeit wurden erste Analysefunktionen entwickelt, um den riesigen Datensatz zu explorieren und einen Einblick in die räumliche Verteilung von Sammelgruppen zu erlangen.

Social networks of honey bees can be analyzed to learn more about various topics like the characterization of the swarm, work tasks by age groups, transmission processes or even disease dynamics. Social netowrks can be build through contact events. One important contact event of such networks can be transmission of fluids - trophallaxis. Finding trophallactic contacts manually is time consuming. Automatic detection or at least an assisting system would be useful to be able to classify large data sets. This work attempts to develop a system to detect trophallactic contacts by filtering spatio-temporal data. The results are then discussed.

Academic research centers have lately become more interested in autonomous vehicles, particularly in pixel-wise semantic segmentation algorithms. The focus has been upon convolutional neural networks' accurate and efficient predictions of road scene objects as well as on the increase of pixel-wise annotated datasets which allow more accurate and well generalizing networks.

The aim of this study is to investigate how the modification of the existing efficient convolutional architectures can reduce the computational cost and become practically useful on low-power devices. A CNN was, therefore, developed for pixel-wise semantic segmentation of road images based on existing efficient architectures, namely SegNet, SegNet-basic and ENet for low-power devices, such as the Drive PX and Jetson TX series. All modified networks  have been trained on mixed datasets made up of real and synthetic images of urban scenes, to produce better generalization and improved accuracy. These trained networks were tested both quantitatively on the Cityscapes validation dataset of 500 annotated images, and qualitatively, using a collection of personally taken photos from varied sources. The most accurate and better generalizing models were chosen for further training, which resulted in a model appropriate for pixel-wise labeling of images from different cameras, including the fisheye camera attached to the autonomous car belonging to the Free University of Berlin.

Die standardisierte Kommunikation zwischen Fahrzeugen eröffnet neue Möglichkeiten, Sicherheit, Komfort und Effizienz im Straßenverkehr zu verbessern. Eine dieser Möglichkeiten ist die Absprache und Ausführung gemeinsamer automatisierter Fahrfunktionen wie z.B. Platooning.  Um eine solche kollaborative Fahrfunktion umzusetzen, reicht eine kurzfristige taktische Planung zwischen den Fahrzeugen nicht aus. Es wird eine längerfristige kooperative Fahrstrategieplanung benötigt. Allerdings ist der momentane Standard für Fahrzeugkommunikation in Europa (ETSI ITS G5) nicht dafür konzipiert, diese zu verwirklichen. In aktueller Forschung wird versucht, diese Problematik zu lösen. Diese Arbeit stellt ein Konzept  für die kooperative Fahrstrategieplanung aus dem Forschungsprojekt "Intelligente Manöver Automatisierung - kooperative Gefahrenvermeidung in Echtzeit" (IMAGEinE)  vor. Durch die Ausarbeitung und Erweiterung dieses Konzepts ist da Collaborative Strategic Session-based Planning (CSSP) Protokoll entstanden. Es ermöglicht eine robuste kollaborative Fahrstrategieplanung über den Funkstandard IEEE 802.11p. Das CSSP-Protokoll ist, mit nur einer verwendeten Nachrichtenart, als simple Erweiterung des ETSI ITS G5 Standards konzipiert. In dieser Arbeit stelle ich CSSP vor, zeige eine Beispielimplementierung anhand einer Platooning-Funktion und evaluiere das Konzept hinsichtlich Funktionsfähigkeit und Robustheit.

Object pose estimation is a common computer vision problem. The recent trend in augmented reality applications, as well as applying deep convolutional neural networks for computer vision problems was the original motivation for this thesis. Specifically, this thesis tries to explore the possibilities of using a deep convolutional neural network trained on rendered training data to estimate the pose of a cube in an industrial application.

The mentioned industrial application is to be realized in the context of a project at the Fraunhofer FOKUS. In an industrial like setting, the location and rotation of a cube on a workbench is to be predicted by a trained neural network given an RGB image. With the exact pose of the object an augmented reality experience for a user can be realized to interact with the cube. More importantly, a robot within the workspace can use this information to further process the cube.

The trained convolutional neural netork in this thesis generalizes well over the pose of a cuboid when tested on rendered images. Some approaches are discussed as an outlook to bridging the gap between predicting on rendered images and real images at the end of this thesis.

Recently, neural networks achieved major breakthroughs in many areas, which had been unfeasable for classical algorithms, e.g. in speech and image recognition, as well as in game playing AI. To apply this concept to the so far unsolved German card game Doppelkopf, we implemented an AI that combines the classical upper confidence bounds applied to trees (UCT) algorithm with a special type  of recurrent neural networks, the long short-term memory (LSTM). We hypothesized this combination to be a promising approach, as the large search space of Doppelkopf would be reduced by using additional information from this neural network, as done in Go or Poker, for instance.

As a result, our LSTM predicted the next card in a Doppelkopf game at an average human level, and thereby, improved the tree search observably in a sense that promising nodes were visited earlier. Despite the impressive prediction accuracy of the LSTM, the combined, UCT+LSTM player achieved a score of only indicating that the LSTM did not improve the UCT player significantly.

As an outlook we propose several possibilities to improve this approach.

Vision is the basis for complex behaviour of bees such as navigation and foraging. Simulating bee vision can be helpful in exploring this behaviour. In this thesis a bee vision simulation is developed, based on a detailed scientific model of the spatial resolution and field of view of a bee´s eye.

Four different aspects concerning bee vision simulation are covered in this thesis. Namely an existing 3D environment is enhanced by extending it with a skydome. The afore mentioned model is implemented. A rendering egine based on the bee's eye model is built that uses raycasting for generating bee views from the 3D environment. Lastly, an existing tool for analysing flight paths tracked by radar is extended, so that it can be used to render movies from the bee's point of view.

Im  Rahmen des Beesbook Projekts am Biorobotics Lab der FU Berlin wird eine Computer Visionn Pipeline genutzt, um Bienentänze auf der Wabe zu detektieren, zu dekodieren und zu kartieren.

Zur Detektion der Tänze wird die Periodizität des Helligkeitsverlaufs an bestimmten Pixeln genutzt. Dabei wird der Helligkeitsverlauf der Pixel auf bestimmte Frequenzen hin untersucht, mit denen Bienen typischerweise schwänzeln. Mehrere Detektionen einer Frequenz werden wiederum räumlich wie zeitlich geclustert und einzelnen Tänzen zugeordnet.

Da sich unter diesen Detektionen auch viele falsch positive Tänze befinden, werden diese anschließend zu einem großen Teil von einem konvolutionalen neuronalen Netzwerk herausgefiltert. D.h. es existiert ein dediziertes Netz in der Pipeline, welches Ergebnisse des Waggle Dance Dectectors binär, Tanz oder Nicht-Tanz, klassifiziert und somit unerwünschte Ergebnisse vor der Weiterberarbeitung herausfiltert.

Auf Basis der Bilddaten eines Tanzes wird im Anschluss der Winkel der Tanzrichtung mithilfe von Bilddifferenzen ermittelt.

Anhand der Länge des Tanzes und des Winkels der Tanzrichtung kann nun die von der Biene beworbene  Position berechnet und auf einer Karte dargestellt werden.

Um die Qualität und Effizienz der Winkeldekodierung zu verbessern und außerdem die Anzahl der Module in der Pipeline zu verringern, war das Ziel dieser Arbeit, ein künstliches neuronales Netz zu entwickeln, welches die Funktion des aktuellen konvolutionalen Netzwerks zur Filterung und zusätzlich die Funktion der Tanzwinkeldekodierung in sich vereint.

Die umfangreichen Regeländerungen der RoboCup Kid-Size League erfordern neue Methoden zur Erkennung der Spielobjekte. In dieser Arbeit wird eine Objekterkennung beschrieben, die in Echtzeit das Spielfeld, die Tore und einen überwiegend weißen Ball erkennt. Es wird ein Verfahren vorgestellt, das effizient Bilder segmentiert und Farbansammlungen findet. Am Ball wird erläutert, wie eine Klassifizierung anhand weniger Trainingsdaten funktionieren kann. Die Objekterkennung zeigt eine gute Erkennungsrate über mehrere Meter bei geringer Fehlerquote.

Am Biorobotics Lab wird Forschung zu kollektiven Systemen betrieben. Hierzu werden z.B. Honigbienenkolonien oder Fischschwärme gefilmt und das Verhalten der Individuen und des Kollektivs analysiert. Als Grundlage der Verhaltensanalyse dienen Bewegungsspuren, die mittels Computervision aus Videoaufnahmen extrahiert werden.

Für jedes Modellsystem wurden hierfür jeweils eigenständige Programme entwickelt.  Um diese Programme zu zentralisieren wurde der BioTracker entwickelt, ein Computervision Framework, welches Grundfunktionalitäten für das Tracking zur Verfügung stellt. Dieses ist durch so genannte Trackingmodule erweiterbar, welche die verschiedenen Trackingalgorithmen kapseln.

Der Fokus dieser Arbeit liegt auf dem Portieren von zwei verschiedenen Algorithmen in Trackingmodulen für den BioTracker und der Analyse der Qualität der gelieferten Ergebnisse.

Generative Adversative Netze (GAN) gelten als eine der spannendsten und vielversprechendsten neuen Ansätze beim Deep Learning. GAN bieten eine Möglichkeit, auf Basis ungelabelter Daten neue Daten zu generieren.  Diese Arbeit liefert eine Erweiterung dieses Ansatzes dahingehend, gezielt Bilder auf Basis von festgelegten Labels zu generieren. Die generelle Umsetzbarkeit wird auf dem MNIST-Datensatz präsentiert, während die wahre Herausforderung in der Generierung realistischer, gelabelter Gesichter liegt.  Damit verbundene Probleme werden diskutiert, die Unterschiedlichkeit zum MNIST Ansatz erläutert, sowie verschiedene Ansätze zur Lösung aufgezeigt und evaluiert.

Das RoboFish-Projekt dient  der Erforschung des Schwarmverhaltens von Fischen mit Hilfe eines Roboterfisches. Im Zuge dieser Arbeit soll eine entscheidende Verbesserung in Bezug auf die Genauigkeit der Steuerung des Roboterfisches erreicht werden. Hierdurch sollen präzisere Interaktionen mit echten Fischen möglich werden um beispielsweise Angstreaktionen der Tiere zu vermeiden. Es wird gezeigt, wie durch Einsatz von Drehzahlkontroll-Motoren eine präzise Steuerung einzelner Roboterfische erreicht werden kann, sowie welche Herausforderungen im konkreten Kontext des RoboFish-Systems bei der Implementierung zu überwinden waren. Die Ergebnisse zeigen, dass die absolute Geschwindigkeit eines Roboters nun mit einer sehr kleinen Fehlerrate im Vorfeld berechnet und der Roboter so akurat gesteuert werden kann.

Es soll eine erste Vorauswahl für eine Sturzerkennung in die Funktionalität eines bestehenden Smart Bracelets integriert und die erhobenen Daten im Anschluss zur weiteren Verarbeitung an einen Server gesendet werden. Zunächst werden unterschiedliche aktuelle Formen der Sturzerkennung diskutiert. Im Anschluss werden einige repräsentative Beispiele sowie das verwendete Gerät vorgestellt. Danach wird der Algorithmus für die grobe Sturzerkennung auf dem Gerät selbst erklärt und die konkrete Implementierung mit ihren speziellen Herausforderungen und Problemen erläutert. Schließlich werden mögliche Verwendungen der generierten Daen und nächste Schritte bei der weiteren Verbesserung des Algorithmus aufgezeigt und diskutiert.

Honeybees are a popular model for analyzing collective behavior. The BeesBook system was developed to track the behavior of all individuals in the colony over their entire life spans. The bees are marked with a unique bar code-like marker, the comb is recorded, and the images are evaluated automatically to detect, localize, and decode the markers. This thesis focuses on the development of a tracking method i.e., linking detections through time, and a method to determine correct ids for the resulting tracks. As a result, a random forest classifier was found to perform best to decide if two detections should be linked. The features implemented for it are based on id similarity of the detections and a simple motion model. Evaluation results show that the tracking merges about 90% of the tracks correctly. The id assignment returns correct ids for more than 85% of all computed tracks or track fragments.

Due to its computational interpretation, there has been a lot of interest in intuitinistic logic in computer science. Adding combinations of the intuitionistic modal axioms to intuitionistic modal logic IK results in different systems. Together they constitute the  intuitionistic modal logic cube. We use an embedding of intuitionistic model logic in higher order logic to verify this cube.  Automatic reasoning tools, such as Sledgehammer and Nitpick, were used to prove the inclusion relations between the cube's logics and the equality of some logics.