Unser Selbstverständnis

  • ISAS wurde im Jahr 2003 gegündet und wird von Prof. Uwe D. Hanebeck geleitet
  • Unser Auftrag ist die Weiterentwicklung des Stands der Technik im Bereich des maschinellen Lernens unter Unsicherheiten
  • Wir fühlen uns der forschungsorientierten Lehre verpflichtet und bieten eine breite Auswahl an Kursen an
  • Gebiete: Verteilte/dezentrale Daten- und Informationsfusion, nichtlineare Zustandsschätzung, Systemmodellierung und -identifikation, modellprädiktive Regelung
  • Anwendungen: Lokalisierung bzw. Ortung, Robotik, Telepräsenzsysteme, virtual/mixed reality, Luftraumüberwachung, industrielle Sortierung, prädiktive Wartung und Anomaliedetektion

 

News

MFI2026
04.09.2026

Daniel Frisch und Uwe D. Hanebeck erhalten den Best Paper Award, 2nd runner-up of the "2026 IEEE International Conference on Multisensor Fusion and Integration (MFI), Pilsen, Czechia" für das Papier Estimating Rotation Speed on the Sphere: Low-Rank Fokker–Planck Prediction on 𝕊² × ℝ.

Zertifikat (PDF)
03.07.2026

Benjamin Siebler hat seine Promotion erfolgreich abgeschlossen! Der Titel der Arbeit lautet "Train Localization with Magnetic Field Distortions and Bayesian Methods". Zweiter Gutachter ist Assoc. Prof & Docent Gustaf Hendeby, Linköping University, Schweden.

Best Application Paper Award
18.03.2026

Das Papier

 

Michael Fennel, Markus Walker, Dominik Pikos, Uwe D. Hanebeck,
HapticGiant: A Novel Very Large Kinesthetic Haptic Interface with Hierarchical Force Control,
IEEE Transactions on Haptics, Volume 18, Issue 4, pages 862–875, Oct.-Dec. 2025.

 

hat den IEEE Transactions on Haptics Best Application Paper Award gewonnen.

Zertifikat (PDF)
Dongming Yu
02.03.2026

Dongming Yu hat seinen ersten Praktikumstag.

Certificate titled "URKUNDE" with handwritten name, from a technical colloquium.
27.02.2026

Markus Walker erhielt den Preis für den besten Vortrag beim „60. Regelungstechnischen Kolloquium” in Boppard, Deutschland, für den Vortrag „Sampling-basierte modellprädiktive Regelung unter Verwendung deterministischer Samples”.

Markus Walker, Marcel Reith-Braun, Tai Hoang, Gerhard Neumann, Uwe D. Hanebeck,
Smooth Sampling-Based Model Predictive Control Using Deterministic Samples,
arXiv preprint: 2601.03893, January, 2026.

 

Sample-Efficient and Smooth Cross-Entropy Method Model Predictive Control Using Deterministic Samples,
arXiv preprint: 2510.05706, October, 2025.

Zertifikat (PDF)
Visit Ondřej Straka
18. Januar – 30. Januar, 2026

Weiterer Besuch von Prof. Ondřej Straka, Universität Westböhmen in Pilsen, Plzeň, Tschechische Republik, zur gemeinsamen Forschung zu data-driven Bayesian estimation.