Das FTZ konnte bereits in vielen Forschungsprojekten Erfahrungen mit der Anwendung maschineller Lernverfahren auf
Sensordaten sammeln. So hat Prof. Dr. Tim Tiedemann in den Verbundvorhaben SeeGrip (BMWi, FKZ 03SX291), VirGo4 (BMWi, FKZ 50RA1113/50RA1114), City2.e 2.0 (BMU, FKZ 16EM2051-5) und aktuell AuTag BeoFisch (FHH, LFF-FV91) auf z.T. robotischen Systemen Sensordaten gesammelt, vorverarbeitet bzw. in ML-Verfahren zur robotischen Verhaltenssteuerung oder zur ML-basierten Analyse genutzt. Das FTZ Smart Systems insgesamt hat darüber hinaus eine Bandbreite von Projekten und Forschungsvorhaben, die maschinelles Lernen nutzen – in unterschiedlichen Anwendungsfällen und in unterschiedlichen Industrie- und Hochschulkooperationen (z.B. mit der dpa Hamburg, Universität und TU Hamburg). zur Website