@Article{duepublico_mods_00074064,
  author = 	{G{\"u}rtler, Marius
		and Mandischer, Nils
		and H{\"u}sing, Mathias
		and Corves, Burkhard
		and Pottebaum, Jens
		and Roesmann, Daniel
		and Gr{\"a}{\ss}ler, Iris
		and {7. IFToMM D-A-CH Konferenz 2021, 18./19. Februar 2021. Online-Konferenz}},
  editor = 	{{IFToMM D-A-CH}},
  title = 	{reaktiver Modellierungsansatz f{\"u}r Mensch-Roboter-Kollaboration
in Rettungs- und Brandszenarien der Feuerwehr},
  journal = 	{Siebte IFToMM D-A-CH Konferenz 2021: 18./19. Februar 2021, Online-Konferenz},
  year = 	{2021},
  month = 	{Mar},
  day = 	{30},
  volume = 	{2021},
  abstract = 	{In der Feuerwehr gewinnen Robotersysteme zunehmend an Bedeutung. Diese werden aber nicht f{\"u}r den autonomen Innenangriff, sondern nur teilautonom unter sehr kontrollierten Bedingungen eingesetzt. Dadurch wird das Potenzial der Technologie nicht ausgesch{\"o}pft. Um weitere Anwendungsfelder zu {\"o}ffnen, stellt diese Arbeit einen Ansatz zur Umsetzung von Mensch-Roboter-Kollaboration in Rettungs- und Brandszenarien vor. Dazu wird zun{\"a}chst ein Grundmodell vorgestellt, das einen Rahmen f{\"u}r den Ansatz aufspannt. Dabei wird in einer kalten Lage das a-priori Wissen und in einer warmen Lage das akut ermittelte Wissen am Einsatzort repr{\"a}sentiert und ausgedr{\"u}ckt, wie diese Lagedarstellungen miteinander interagieren. Darauf aufbauend wird ein Modell vorgestellt, dass es erm{\"o}glicht, sowohl aus Roboter-, als auch Mensch-Sicht, die Entscheidungsfindung der Akteure abzuleiten und basierend darauf eigene Entscheidungen zu treffen. Der Beitrag schlie{\ss}t mit der Auflistung von Arbeitshypothesen.},
  isbn = 	{978-3-940402-45-5},
  doi = 	{10.17185/duepublico/74004},
  url = 	{https://duepublico2.uni-due.de/receive/duepublico_mods_00074064},
  url = 	{https://doi.org/10.17185/duepublico/74004},
  url = 	{https://doi.org/10.17185/duepublico/43383},
  url = 	{https://doi.org/10.17185/duepublico/74064},
  file = 	{:https://duepublico2.uni-due.de/servlets/MCRFileNodeServlet/duepublico_derivate_00073831/IFToMM_DACH_2021_paper_29.pdf:PDF},
  language = 	{de}
}