@mastersthesis { Foer2018,
     author        = { Christopher F{"o}rster },
     title         = { Entwicklung und Vergleich von Methoden zur autonomen Navigation in unwegsamem Gel{"a}nde f{"u}r einen kettengetriebenen Roboter unter besonderer Ber{"u}cksichtigung maschinellen Lernens },
     month         = { November },
     year          = { 2019 },
     school        = { Paderborn University },
     type          = { Master's thesis },
     abstract      = { F{"u}r Such- und Bergungsaufgaben werden Roboter ben{"o}tigt, die in der Lage sind, komplexe Aufgaben selbstst{"a}ndig zu erf{"u}llen. Eine besondere Herausforderung ist dabei die Navigation. Deshalb ist in dieser Arbeit ein komplett autonomes System entstanden, welches es Robotern erm{"o}glichen soll, in unwegsamem Gel{"a}nde zu navigieren. Hierzu wurden zwei grundlegend verschiedene Ans{"a}tze verwendet. Ein Ansatz nutzt herk{"o}mmliche Verfahren, um mit einer H{"o}henkarte Befahrbarkeitseigenschaften zu berechnen, daraus einen Pfad zu planen und diesem dann zu verfolgen. Der andere Ansatz nutzt Deep Reinforcement Learning, um auf Basis komplexer, in einer Simulationsumgebung bereitgestellter Sensorinformationen, wie H{"o}henkarte und Tiefenbilder, ein autonomes Navigationsverhalten zu erlernen. Weiterhin wurde f{"u}r beide Systeme eine Steuerung f{"u}r kettenbespannte Hilfsarme entworfen, die es dem Roboter erm{"o}glicht, Hindernisse zu {"u}berwinden. Die Ergebnisse wurden einander abschlie{\ss}end gegen{"u}bergestellt und bewertet.  }
}