ROS | Forschungsgruppe Mobile Robotik — Prof. Dr. Christian Pfitzner

Markerlose Indoor-Lokalisierung einer Drohne ohne GNSS

Mon, 15 Jun 2026 00:00:00 +0000

Beschreibung

Die im AerodrOHM eingesetzte Drohne bestimmt ihre Position bisher über ein externes, markerbasiertes Trackingsystem. Dieses liefert sehr genaue Posen, setzt jedoch einen fest installierten, instrumentierten Flugraum voraus. Ziel dieser Arbeit ist eine markerlose, GNSS-freie Indoor-Lokalisierung allein auf Basis der Onboard-Sensorik, sodass die Drohne unabhängig vom externen Tracking fliegen kann. Die Arbeit baut auf der vorhandenen Drohne und der bestehenden ROS-Systemarchitektur auf.

Arbeitspakete

Einarbeitung in die bestehende Drohnen-Plattform und das markerbasierte Trackingsystem im AerodrOHM
Auswahl und Integration geeigneter Onboard-Sensorik (Kamera, IMU, ggf. Optical-Flow- oder Tiefensensor)
Implementierung eines markerlosen, GNSS-freien Lokalisierungsverfahrens (z. B. Visual-Inertial Odometry oder Visual SLAM)
Integration in die bestehende ROS-Systemarchitektur und Flugregelung
Evaluation der Genauigkeit und Robustheit gegen das markerbasierte Tracking als Ground Truth
Flugversuche und Dokumentation der Ergebnisse im AerodrOHM

Voraussetzungen

Kenntnisse in Programmierung (Python und/oder C++)
Idealerweise erste Erfahrungen mit ROS / ROS 2
Grundkenntnisse in Computer Vision und/oder Zustandsschätzung (z. B. Kalman-Filter)
Interesse an Drohnen, Sensorintegration und Lokalisierung
Selbstständige und sorgfältige Arbeitsweise

Das Thema kann nach Abstimmung als Projekt- oder Bachelorarbeit bearbeitet werden.

Betreuung

Rolle	Name	E-Mail
Betreuer	Prof. Dr. Christian Pfitzner	christian.pfitzner@th-nuernberg.de

Mensch-Roboter-Interaktion am UR12e – Tic-Tac-Toe als interaktive Demo

Fri, 12 Jun 2026 00:00:00 +0000

Motivation

Kollaborative Roboterarme wie der UR12e machen Robotik unmittelbar erlebbar — besonders dann, wenn Menschen direkt mit ihnen interagieren können. Ein Spiel wie Tic-Tac-Toe ist dafür ideal: Die Regeln kennt jeder, der Spielausgang ist nachvollziehbar, und der Roboter zeigt Wahrnehmung, Entscheidungsfindung und präzise Bewegung in einem einzigen, anschaulichen Ablauf.

Am TTZ Nürnberger Land soll auf dieser Basis ein Demonstrator entstehen, der das Thema Robotik für ein breites Publikum greifbar macht — bei Familienfesten, Tagen der offenen Tür und Besuchergruppen. Gleichzeitig dient das Projekt als Plattform, um Konzepte der sicheren Mensch-Roboter-Interaktion praktisch zu erproben.

Arbeitspakete

Wahrnehmung

Kamerabasierte Erkennung des Spielfeldes und der gesetzten Spielsteine
Kalibrierung zwischen Kamera- und Roboterkoordinatensystem (Hand-Auge-Kalibrierung)

Spiellogik

Implementierung der Tic-Tac-Toe-Logik (z. B. Minimax) zur Zugberechnung
Erkennung von Spielende, Sieg, Niederlage und Unentschieden

Roboteransteuerung

Ansteuerung des UR12e über vorhandene Schnittstellen (ROS oder URScript)
Greifen und sicheres Platzieren der Spielsteine
Funktionale Sicherheit im kollaborativen Betrieb (Kraft-/Geschwindigkeitsbegrenzung)

Interaktion & Demo

Intuitive, für Laien verständliche Spielführung und Nutzerführung
Robustheitstests und Aufbereitung als vorführbare Demo
Optionaler Ausblick: konzeptionelle Erweiterung auf Schach

Voraussetzungen

Programmierkenntnisse in Python und/oder C++
Idealerweise erste Berührungspunkte zur Robotik
Interesse an Bildverarbeitung, Spiellogik und Mensch-Roboter-Interaktion
Freude an praktischer Arbeit mit realer Roboterhardware

Das Thema wird als Projekt- oder Bachelorarbeit ausgeschrieben und kann bei guter Eignung als Grundlage für aufbauende Arbeiten (z. B. Erweiterung auf Schach) dienen.

Betreuung

Rolle	Name	E-Mail
Betreuer	Prof. Dr. Christian Pfitzner	christian.pfitzner@th-nuernberg.de
Co-Betreuer	M. Sc. Patrick Fußy	patrick.fussy@th-nuernberg.de

Ort: TTZ Nürnberger Land / TH Nürnberg Georg Simon Ohm

Wiederinbetriebnahme eines mobilen C-Bogen-Roboters mit Mecanum-Antrieb

Tue, 09 Jun 2026 00:00:00 +0000

Aufgabenpakete

Analyse und Dokumentation des vorhandenen Robotersystems
Sichtung und Bewertung von Hard- und Softwarekomponenten
Fehlersuche und Entwicklung eines Konzepts zur Wiederinbetriebnahme
Implementierung bzw. Anpassung der Ansteuerung des Mecanum-Antriebs
Durchführung kleinerer mechanischer Änderungen und Integrationsarbeiten
Test, Validierung und Dokumentation der Systemfunktion

Voraussetzungen

Interesse an mobiler Robotik, Mechatronik und technischen Systemen
Grundkenntnisse in Robotik, Regelungstechnik oder Fahrzeugsystemen
Praktische Erfahrung in mindestens einem der Bereiche Programmierung, Elektronik oder CAD / mechanische Konstruktion
Idealerweise erste Kenntnisse in ROS, Python oder C++
Selbstständige und strukturierte Arbeitsweise

Die Arbeit eignet sich je nach Schwerpunktsetzung als Projektarbeit, Bachelorarbeit oder Masterarbeit.

Betreuung

Rolle	Name	E-Mail
Betreuer	Prof. Dr. Christian Pfitzner	christian.pfitzner@th-nuernberg.de

Ort: TH Nürnberg Georg Simon Ohm / OIC

2R-Roboterarm als Praktikumsversuch – Gravity Compensation und Reinforcement Learning

Mon, 08 Jun 2026 00:00:00 +0000

Motivation

Im Praktikum “Intelligent Robotics” des Masterstudiengangs M-IAS fehlt bislang ein hands-on Versuch, der die Brücke zwischen klassischer modellbasierter Regelung und modernen lernbasierten Methoden schlägt. Ein 2R-Roboterarm mit Drehmomentsteuerung bietet genau diese Möglichkeit: Studierende erleben zunächst die physikalischen Effekte der Schwerkraft am realen System und lernen anschließend, wie ein RL-Agent dieselbe Aufgabe datengetrieben löst.

Arbeitspakete

Hardware

Auswahl und Inbetriebnahme der BLDC-Motoren und Motortreiber (z. B. ODrive / VESC)
Mechanischer Entwurf und Fertigung der Armsegmente (CAD, 3D-Druck oder Aluminiumprofil)
Integration von Encodern und Verkabelung

Software & Regelung

Implementierung von Vorwärts- und Rückwärtskinematik
Modellbasierte Gravity-Compensation-Regelung (Drehmomentkompensation in Echtzeit)
ROS-Integration: Topics, Services und ggf. ros2_control

Reinforcement Learning

Aufbau einer Simulationsumgebung (Gazebo oder MuJoCo) für das RL-Training
Training eines Agenten (z. B. PPO / SAC) auf eine Zielpositions-Aufgabe
Sim-to-Real-Transfer und Evaluation am realen Arm

Dokumentation

Erstellung von Versuchsanleitungen für den Praktikumseinsatz im M-IAS-Studiengang

Voraussetzungen

Kenntnisse in Regelungstechnik und Robotik (Kinematik, Dynamik)
Programmierkenntnisse in Python und/oder C++
Idealerweise Erfahrung mit ROS
Interesse an maschinellem Lernen und Reinforcement Learning
Freude an praktischem Hardware-Aufbau und Prototyping

Das Thema kann nach Abstimmung als Projekt- oder Masterarbeit bearbeitet werden.

Betreuung

Rolle	Name	E-Mail
Betreuer	Prof. Dr. Christian Pfitzner	christian.pfitzner@th-nuernberg.de

Drone Swarm Obstacle Avoidance – Kollisionsfreie Navigation von Micro-Drohnen

Mon, 08 Jun 2026 00:00:00 +0000

Arbeitspakete

Einbindung und Kalibrierung der externen 3D-Kamera
Verarbeitung, Filterung und Transformation der Punktwolkendaten
Entwicklung einer Klassifikation zur Unterscheidung von Personen und Drohnen
Entwurf und Implementierung eines reaktiven Schwarmverhaltens mit Sicherheitszonen
Test und Evaluation im Flugraum mit realen Personen

Voraussetzungen

Kenntnisse in Programmierung (Python und/oder C++)
Idealerweise erste Erfahrungen mit ROS
Interesse an Sensorintegration, Punktwolkenverarbeitung und Wahrnehmungsverfahren

Das Thema kann nach Abstimmung als Projekt- oder Masterarbeit bearbeitet werden.

Betreuung

Rolle	Name	E-Mail
Betreuer	Prof. Dr. Christian Pfitzner	christian.pfitzner@th-nuernberg.de