Abstract

This paper presents results from a study on the impact of negative attitudes towards robots on pedestrians’ needs for technological communication capabilities of autonomous vehicles and preferred communication modalities. Further, the amount of prior information on autonomous vehicles given to test persons is varied. The study is realized in terms of an imagination scenario. Results show a significant dependency of the demand for communication of autonomous vehicles with pedestrians on the extent of negative attitudes towards robots as well as a general demand for such communication capabilities. Interestingly, these findings are independent of the amount of prior information. Differences of preferred communication modalities with respect to negative attitudes or prior information are not found. The results of this study emphasize the importance of vehicle-pedestrian communication, particularly, using multi-modal interfaces in future autonomous driving technology.

Dieser Beitrag präsentiert die Ergebnisse einer Studie über die Auswirkungen negativer Einstellungen gegenüber Robotern auf die Bedürfnisse von Fußgängern nach technologischen Kommunikationsmöglichkeiten autonomer Fahrzeuge und bevorzugte Kommunikationsmodalitäten. Darüber hinaus wird die Menge an Vorinformationen zu autonomen Fahrzeugen, die den Testpersonen gegeben werden, variiert. Die Studie wird anhand eines imaginären Szenarios durchgeführt. Die Ergebnisse zeigen eine signifikante Abhängigkeit des Bedarfs an Kommunikation autonomer Fahrzeuge mit Fußgängern vom Ausmaß negativer Einstellungen gegenüber Robotern sowie eines Bedarfs an solchen Kommunikationsfähigkeiten allgemein. Interessanterweise sind diese Erkenntnisse unabhängig von der Menge an Vorinformationen. Unterschiede der bevorzugten Kommunikationsmodalitäten in Bezug auf negative Einstellungen oder Vorinformationen wurden nicht festgestellt. Die Ergebnisse dieser Studie unterstreichen die Bedeutung der Fahrzeug-Fußgänger-Kommunikation, insbesondere unter Verwendung multimodaler Schnittstellen in zukünftigen autonomen Fahrtechnologien.

Jetzt ist deine Zeit, die Zukunft zu gestalten! In einer Welt, die sich blitzschnell durch neue Technologien und globale Krisen verändert, fühlen sich viele Menschen unsicher oder überfordert. Und genau hier setzt dieses Buch an: Es zeigt dir, warum Offenheit und Neugier deine stärksten Verbündeten sein können. Veränderung muss kein Grund zur Sorge sein – sie ist deine Chance, zu wachsen und die Welt aktiv mitzugestalten. Mit lebendigen Stories, praktischen Tipps und einer guten Portion Optimismus vermittelt die Autorin wertvolle Ansätze aus Innovationsforschung, Positiver Psychologie und buddhistischen Lehren. Du lernst, wie du die Angst vor dem Unbekannten überwindest, dein Leben kreativ gestaltest und die großen Herausforderungen dieser Zeit mit anderen gemeinsam meisterst. Lass dich inspirieren und finde deine Balance im Wandel – aktiv gestaltend und entspannt loslassend!

Laser sintering, also known as powder bed fusion—laser beam, employs a laser to sinter-powdered polymeric materials, such as Polyamide 12. Despite the process, a significant portion of the powder remains unsintered. However, due to elevated temperatures, material degradation occurs, altering its chemical characteristics. Industrially, a common practice involves utilizing a mixture of virgin and aged powder, with the latter having undergone multiple thermal cycles without sintering. Developing an effective powder recycling methodology is fundamental for fully realizing the potential of Polyamide 12. This work focuses the attention on reused powder to manufacture parts in Polyamide 12 through selective laser sintering and evaluates the correlation between the properties of reused powder and the strength of manufactured part through six consecutive printing processes. To achieve this, a wide experimental approach was planned and developed to arrive to establish a clear relationship between the degree of crystallinity of the powder and the ultimate tensile strength of the part made from that powder. This relationship may be used to choose the kind of powder based on the strength required to the manufactured part in exercise. At the same time, if only a kind of powder is available, this relationship allows to predict the mechanical strength of the part manufactured.

The dependencies between process parameters and the resulting geometrical accuracy of additively manufactured parts are usually highly non-linear and thus complex to investigate and mathematically quantify. Therefore, the application of artificial intelligence techniques is promising to generate mathematical models that reduce effort and increase the prediction quality. The overall goal is to establish a procedure to automatically determine the optimal settings of the manufacturing process parameters to guarantee the highest geometrical accuracy of parts in additive manufactured production. This paper presents the first step towards this fully automatic procedure – the training and evaluation of a mathematical model based on artificial neural networks to quantify the effects of varying process parameters of a material extrusion process on both macro- and micro-geometrical performances. Therefore, a dataset is established based on the Design of Experiment of an additively manufactured part made from Polylactic Acid filament. The dataset is then used to train an artificial neural network that predicts the dimensional and micro-geometrical deviations of the manufactured parts. Finally, the evaluation of the network's prediction quality and reliability indicate that it is possible to predict the parameters linked to resulting print quality with a mean absolute error from 0.0004 to 0.036.