07.06.2024
Prof. Roberto Calandra erhält den Early Academic Career Award in Robotics and Automation
Der Early Academic Career Award würdigt herausragende Leistungen in der Robotik- und Automatisierungsgemeinschaft. In diesem Jahr geht die Auszeichnung an Fellow Roberto Calandra für seine bedeutenden Beiträge zur Berührungserfassung und -verarbeitung sowie deren Anwendung in der Manipulation. Diese Anerkennung wird Akademiker:innen zuteil, die durch ihre Arbeiten einen spürbaren und bedeutenden Einfluss auf die Bereiche Robotik und Automatisierung ausgeübt haben. Roberto Calandra, Professor für Explainable Artificial Intelligence an der Fakultät Informatik, wird mit dem 2024 Early Academic Career Award in Robotics and Automation von der IEEE Robotics and Automation Society (RAS) ausgezeichnet.
Die Auszeichnung würdigt die Arbeit, die er und sein Team im Bereich der Berührungssensorik geleistet haben: vom Hardware-Design über die Softwareentwicklung bis hin zu Anwendungen im Bereich des Greifens und der Manipulation. So zielt einer ihrer Forschungsschwerpunkte in Zusammenarbeit mit Meta-Research Innovation Center at Stanford (METRICS) und dem Nationalen Zentrum für Tumorerkrankungen (NCT/UCC) Dresden darauf ab, wie der Einsatz von Berührungssensorik bei der Krebsfrüherkennung helfen kann. Die Wissenschaftler:innen entwickeln Roboterhände, die mit visionbasierten taktilen Sensoren Eigenschaften wie Materialart, -form, -dichte und Oberflächenbeschaffenheit ertasten können und die Kraft und räumliche Auflösung menschlicher Fingerspitzen erreichen.
„Ich fühle mich sehr geehrt, diese Auszeichnung von der Robotergemeinschaft zu erhalten und auf den Schultern von Giganten zu stehen. Da der Tastsinn als Wahrnehmungsmodalität immer wichtiger wird, werden wir weiter an der Demokratisierung des Tastsinns und seiner zahlreichen Anwendungen arbeiten,“ betont Calandra.
Über Roberto Calandra
Roberto Calandra ist Inhaber des Lehrstuhls für „Explainable Artificial Intelligence“ an der TU Dresden und das neueste Mitglied von SECAI. Seine Forschung zielt auf die Verbesserung der Zusammenarbeit zwischen Menschen und Maschinen in realen, virtuellen und entfernten Umgebungen ab. Die Forschung der Professur soll insbesondere dazu beitragen, mit Methoden des Maschinellen Lernens, wie Deep Learning, gelernte Modelle zu analysieren, anhand dieser Modelle getroffene Aussagen und Entscheidungen erklärbar zu machen und neue Methoden der Erklärbarkeit im Maschinellen Lernen zu entwickeln.