Abstract Eine zentrale Herausforderung der Mensch-Roboter-Kollaboration besteht in der frühzeitigen Antizipation menschlicher Bewegungen, um Reaktionszeiten zu verkürzen und Unsicherheiten im Arbeitsablauf zu reduzieren. Der Stand der Technik zeigt, dass viele bestehende Ansätze auf aufwendiger Sensorik oder komplexen Lernverfahren beruhen, was ihre Übertragbarkeit in industrielle Produktionsumgebungen einschränkt. In diesem Beitrag wird ein leichtgewichtiges Verfahren zur Bewegungsvorhersage vorgestellt, das ausschließlich eine RGB-Kamera nutzt und mit geringer Rechenleistung auskommt. Die Methode ermöglicht eine echtzeitfähige Vorhersage menschlicher Posen auf Basis kompakter Lernmodelle. Der mittlere Vorhersagefehler beträgt 0,079 m. Erste Experimente bestätigen die prinzipielle Eignung des Ansatzes für den praktischen Einsatz in der Mensch-Roboter-Kollaboration.
Karbouj et al. (2026) studied this question.