Mitarbeiter

Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Institut für Robotik und Mechatronik

--> Website: https://github.com/MarkusKnauer

Werdegang am DLR

Ich habe im November 2019 als Werkstudent in der Abteilung Perzeption und Kognition (PEK) am DLR angefangen in welcher ich 2020 auch meine Masterarbeit geschrieben habe. Thema: Kontinuierliches Lernen mit Neuronalen Netzen auf mobilen Robotern. Hier arbeite ich auch mit an BlenderProc - eine prodedurale Blender Pipeline für fotorealistische Training-Bilder-Generierung für den Einsatz bei Neuronalen Netzen (https://github.com/DLR-RM/BlenderProc). Seit Ende 2020 bin ich als wissenschaftlicher Mitarbeiter in der Abteilung für Kognitive Robotik tätig wo ich unter anderem am Projekt Factory of the future (FOF/FOF-X) mitarbeite.

 

Research Interests

• Learning from demonstration
• Probabilistic methods
• Machine learning
• Deep learning
• Continual learning
• Computer vision

Project Sites

• IROS 2022

Publications

 

• Samuel Bustamante Gomez, Markus Wendelin Knauer, Thun Jeremias, Stefan Schneyer, Bernhard Weber et 1 al.:
  Grounding Embodied Question-Answering with State Summaries from Existing Robot Modules
  In: RSS (Robotics: Science and Systems) conference 2024, Generative Modeling meets HRI Workshop. Generative Modeling meets HRI Workshop at the RSS (Robotics: Science and Systems) conference 2024, 2024-07-15, Delft, Netherlands, 2024. [elib]
• Maximilian Denninger, Dominik Winkelbauer, Martin Sundermeyer, Wout Boerdijk, Markus Wendelin Knauer et 3 al.:
  BlenderProc2: A Procedural Pipeline for Photorealistic Rendering
  Journal of Open Source Software, vol. 8 (82). Journal of Open Source Software, 2023. DOI 10.21105/joss.04901, ISSN 2475-9066. [elib]
• Markus Wendelin Knauer, Maximilian Denninger, Rudolph Triebel:
  HOWS-CL-25: Household Objects Within Simulation Dataset for Continual Learning
  Zenodo.org. 2022. DOI 10.5281/zenodo.7189434. [elib]
• Markus Wendelin Knauer, Maximilian Denninger, Rudolph Triebel:
  RECALL: Rehearsal-free Continual Learning for Object Classification
  In: 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2022. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022), 2022-10-24 - 2022-10-26, Kyoto, Japan, 2022. DOI 10.1109/IROS47612.2022.9981968, ISBN 978-166547927-1, ISSN 2153-0858. [elib]
• Markus Knauer:
  A persistent incremental learning approach for object classification of unseen categories using convolutional neural networks on mobile robots
  Master's. Hochschule Kempten, 2020. [elib]
• Maximilian Denninger, Martin Sundermeyer, Dominik Winkelbauer, Dmitry Olefir, Tomas Hodan et 5 al.:
  BlenderProc: Reducing the Reality Gap with Photorealistic Rendering
  In: 16th Robotics: Science and Systems, RSS 2020, Workshops. 2nd Workshop on Closing the Reality Gap in Sim2Real Transfer for Robotics, Robotics: Science and Systems (RSS), 2020-07-12 - 2020-07-16, Virtuell, 2020. ISBN 978-0-9923747-6-1, ISSN 2330765X. [elib]