Home | english  | Impressum | KIT
Photo von Heinz Wörn

Prof. Dr.-Ing. Dr. h.c. Heinz Wörn

Professor im Ruhestand
Tel.: +49 721 608-44006
Fax: +49 721 608-47141
woernAfb0∂kit edu


Zur Person

Professor Wörn studierte Elektrotechnik an der Universität Stuttgart und promovierte dort am Institut für Werkzeugmaschinen mit seiner Arbeit zu dem Thema "Mehrprozessorsteuerungssystem für Werkzeugmaschinen mit standartisierten Schnittstellen". Im Anschluss arbeitete er bei KUKA Schweißanlagen und Roboter GmbH, wo er eine leitende Stellung in Forschung und Entwicklung inne hatte. Professor Wörn ist ein international anerkannter Experte für Roboter und Automation. Seine Erfahrung umfasst Roboteranwendungen, Robotersteuerungen und Sensoren für Roboter, sowie deren Programmmierung und Simulation. Seit 1997 leitet er das Institut für Prozessrechentechnik, Automation und Robotik der Universität Karlsruhe als Professor für "Komplexe Systeme in Automation und Robotik".

Forschungsgebiete

  • Planung, Programmierung, Steuerung, Diagnose und Sensorsysteme für Industrieroboter
  • Autonome, mobile Roboter, Mikroroboter, Serviceroboter, Teleroboter, Autonome Fahrzeuge
  • Planung und Simulation von Anlagen und Fabriken
  • Roboter- und sensorgestützte Chirurgie
  • Mikromontage
  • Modellierung komplexer Systeme in Produktion und Medizin

Probabilistic Situation Detection for Human-Robot Interaction in an OP Lab Environment

AutorLuzie Schreiter, Elmar Berghoefer, Tim Beyl, Lisa Senger, Joerg Raczkowsky, Frank Kirchner and Heinz Woern
Jahr2015
Veröffentlicht inTagungsband der 14. Jahrestagung der Deutschen Gesellschaft f{{\"u}}r Computer- und Roboterassistierte Chirurgie e.V
KurzfassungRobotic assistance systems are becoming increasingly established in operating rooms worldwide. To give a suit- able assistance at a proper time it is essential to identify and interpret the current step in an ongoing surgical intervention. We propose an approach which enables to observe and interpret an operation by using dierent sensors and probabilistic models. The core of our approach is based on machine learning methods, e.g., Hid- den Markov Models. These models are trained and optimized on recorded data containing actions of a surgical work ow. The actions are later detected by using the trained model. To evaluate the trained model we perform a leave one out cross validation and achive a high performance in detection of the actions. Furthermore, the trained model is integrated in the surgical setup and evaluated in an online manner. The results show that the online use of the trained model is successful in detection of dierent surgical work ows.
Bibtex@article{ ipr_1170857546, author = "{Luzie Schreiter and Elmar Berghoefer and Tim Beyl and Lisa Senger and Joerg Raczkowsky and Frank Kirchner and Heinz Woern}", title = "{Probabilistic Situation Detection for Human-Robot Interaction in an OP Lab Environment}", year = "2015", journal = "{Tagungsband der 14. Jahrestagung der Deutschen Gesellschaft f{{\{"}u}}r Computer- und Roboterassistierte Chirurgie e.V}", pages = "99--104", }
zurück zur Publikationsübersicht