Observation of the food exchange behaviour of honey bees, trophallaxis, has been laborious in the past. In this work  I created a classifier to detect trophallaxis as a part of the BeesBook system that aims to automate detection of bee behavior in general. Based on labeled data I created a dataset of images showing trophallaxis and trained a convolutional neural network to classify images. I show that using more than one frame to classify trophallaxis yields a better score than using a single image. The network reaches an F_1 score of 0.89 for detecting trophallaxis which is an improvement over existing methods.

In dieser Arbeit wurde ein modularer RRT basierter Planer für autonome Autos konstruiert, auf dessen Basis versciedene Performanceoptimierungen und Erweiterungen wie RRT*Smart und Informed RRT* analysiert wurden. Dabei gelang es, einfach Kurven mit festen Lenkeinstellungen zum schnellen Finden von Wegen zu nutzen, die dann mit Dubins Kurven optimiert wurden. Damit ist gezeigt, dass ein Kompromiss aus Geschwindigkeit und Qualität gefunden werden kann, der für autonome Autos nutzbar ist. Es verbleiben noch einige offene Punkte, die geklärt werden sollten, aber auch Potential für weitere Verbesserungen.

Sicherheitsarchitekturen im Bereich des autonomen Fahrens dienen zum Schutze des Fahrers und des Fahrzeugs.  Doch bevor eine tatsächliche Anwendung im Straßenverkehr stattfinden kann, muss die Software zunächst auf fahrerlosen Modellautos getestet werden. Allerdings sind auch die Modellautos selbst gefährdet und könnten Schaden durch Kollisionen nehmen. In dieser Arbeit wird eine Sicherheitsarchitektur aufgebaut, deren konkretes Ziel der Schutz der Modellautos ist.

In this thesis I implemented MATRIX, a force field pattern matching algorithm for improving a robots´odometry. I first implemented this algorithm in a simulator and later adapted it for autonomous model cars. I experimented with omnidirectional cameras first, but soon adapted the algorithm to be used with a forward-facing camera instead. Experiments showed that MATRIX can be highly effective in the correct circumstances, or rather unhelpful if those conditions are not met.

Issue tracking systems have become a main tool for companies to manage and maintain reported customer issues. A ticket within an issue tracking system describes a particular problem, its  state, creation date, reporter, assignee, summary and other relevant data. The process of assigning this information to the ticket is mostly manually performed. commercetools GmbH has been using an issue tracking system in the process of supporting their customers  for the last couple of years resulting in unused and unexplored data. This thesis consists of two parts. The goal of the first part is to explore the data obtained from the issue tracking system. For that purpose, I used an unsupervised learning approach to cluster the textual data of the tickets and then I visualized and analysed the data using different methods to observe the development of the clusters over the last two years. The goal of the second part of the thesis, is to find out if it is possible to automate part of the supporting process at commercetools by predicting the part of the product causing the reported issue and the responsible team for it. The fact that those two attributes were assigned to the ticket as labels made this problem a multi-label classification problem. To predict those labels, I trained four classifiers (i.e. k-NN classifier, decision tree classifier, logistic regression classifier and a neural network) using different multi-label classification approaches and evaluated the performance of them using the micro-average score of the recall, precision and f1 metrics. The results showed that the performance of the different classifiers was similar for most of the approaches used, with logistic regression and the neural network performing slightly better. The best performance was achieved by the neural network using a multi-label classification approach named "label powerset" resulting in an  f1 score of 54%, which is a good result but unfortunately not enough to fully automate this part of the supporting process.

Most of the research on bee behavioral events revolves around stereotypical behavior such as trophallaxis and bee waggle dances. In order to gain new insights on bee behavior, this thesis introduces an unsupervised future frame prediction framework for video data capturing bee behavior, applying state of the art deep learning architectures, such as ConvLSTM networks and 3D convolutional network in U-Net shape.

Diese Arbeit beschäftigt sich mit der Vewendung des RRT* Algorithmus auf einem Modellauto. In der Bachelorarbeit von David Goedicke wurden die Algorithmen RRT^X und RRT* zur Berechnung eines abfahrbaren Pfades für ein Modellauto verwendet. Beide Algorithmen waren dazu in der Lage, jedoch war die Berechnungszeit zu hoch für eine Echtzeitanwendung. Dies lag unter anderem auch an den verwendeten Dubin curves und Reeds Shepp curves, die kompliziert zu berechnen sind. In dieser Arbeit wird anstelle der Reed Shepps Curves untersucht, ob es möglch ist, mit nur einer Lenkeinstellung direkt von Knoten zu Knoten zu fahren. Vier unterschiedliche Ansätze werden vorgestellt, die alle erfolglos versuchen, das Problem zu lösen.

Ziel dieser Arbeit ist es, die aktuellen Darstellungsmöglichkeiten von Inhalten in AR zu analysieren und zu vergleichen. Es soll unter anderem gezeigt werden, wie diese Inhalte zum jetzigen Stand der Technik und mit Hilfe der aktionList repräsentiert werden.

The study of animal behavior by analyzing recordings can be very labor-intensive if done by hand. To solve this problem, many  automated image tracking applications were developed. All of them are either too complex to use or too specialised  to be a solution  fitting various tracking problems. To overcome these issues, an open source tracking framework called "BioTracker" was designed. It aims to cover many tracking scenarios by giving the possibility of creating your own tracker, while still providing high usability. The goal of this thesis is to improve the user experience of the BioTracker by implementing a generic visualization of tracking data and by adding new features to an optimized user interface.

For the research on honeybee behaviour in the BeesBook project, all bees in a colony are tracked over their entire lifetimes using circular tags that uniquely identify every individual bee in the hive. The identification and documentation of bee tags required in various field experiments is currently done manually, an approach that is inconvenient and error-prone. In this thesis, a mobile application for the decoding of bee tags is developed that aims to automate or eliminate parts of the manual data collection process, improving its efficiency and reliability.

The research on autonomous robots is a very active field. Since the first DARPA challenge 2004 both industries and academic institutions opened research groups on autonomous vehicles. Particularly autonomous cars as a comfort have gained in iterest with well known projekts like the Google car Waymo or the commercialization of semi-autonomous cars. It is believed that AI controlled vehicle could be safer than human driving. And the traffic flow could  be optimized through better communication between cars.

The FU Berlin developed three cars with the AutoNOMOS research group. The latest car MadeInGermany ist allowed to drive in Berlin. The car also drove in Mexico. The University also participated in the Carolo-Cup where 1:10 scaled model cars compete against each other. The goal of this work is to improve the autonomous skills fo the model car in regards to path planning and collision avoidance.

Um die Gegebenheiten in der Tierwelt datentechnisch festzuhalten, ist eine Möglichkeit, diese mit Kameras abzufilmen und die Auswertung der Daten später vorzunehmen. Oftmals erhält man durch diese Methode allerdings große Mengen Daten,die dann nur sehr aufwendig auszuwerten sind. als Mensch versteht man solche Videodateien zwar intuitiv, aber man stößt ab einer gewissen Größe und Menge der Daten leicht an seine Grenzen, diese aufzuarbeiten. Ein Computersystem kann zwar große Mengen an  Daten um ein Vielfaches schneller abarbeiten, allerdings sind Daten im Video-Format für Computer nicht so leicht handhabbar, da ein Computer natürlich nicht versteht was er sieht.

In unserem Fall haben wir bei Beesbook im Jahr 2016  für rund drei Monate lang ohne größere Unterbrechungen mit vier hochaufgelösten Kameras eine Bienenwabe beidseitig aufgenommen. Jeder diese Kameras erzeugte in etwa eine Datenmenge von einem Gigabyte innerhalb von fünf Minuten, woraus sich eine Gesamtdatenmenge nach den drei Monaten von etwa sechsundzwanzig Terabyte pro Kamera ergibt. Dazu kommen auch noch Daten aus den beiden WDD-Kameras und den Protokollen des WDD. Angesichts dieser Datenmengen ist eine Auswertung über ein Computersystem sicher die bessere Herangehensweise. (...)