Persönlicher Status und Werkzeuge

Prof. Dr. Gordon Cheng

Professur

Kognitive Systeme

Wissenschaftliche Laufbahn und Forschungsgebiete

Prof. Cheng (*1968) erforscht das grundlegende Verständnis und die Konstruktion von Kognitiven Systemen. Er versucht einerseits, verschiedenste Fähigkeiten in multifunktionalen Hochleistungsrobotern zu verknüpfen. Andererseits entwickelt er natürliche Kommunikationsmechanismen für eine bessere Anwendungsfreundlichkeit von Robotern.

 

Prof. Cheng studierte Informatik an der Universität Wollongong, Australien und promovierte 2001 in Systemtechnik am Department of Systems Engineering der Australian National University. Er gründete und leitete von 2003 bis 2008 das Department for Humanoid Robotics and Computational Neuroscience am Institut für Advanced Telecommunications Research in Kyoto, Japan. Darüber hinaus war er von 2007 bis 2008 Projektleiter am National Institute of Information and Communications Technology, Japan sowie an der Japan Science and Technology Agency, wo er für das Projekt „Computational Brain“ verantwortlich war (2004-2008). Seit 2010 forscht und lehrt Prof. Cheng als Ordinarius für Kognitive Systeme an der TUM. Er ist Koordinator des Kompetenzzentrum Neuro-Engineering der Fakultät für Elektrotechnik und Informationstechnik und Sprecher des neu eingerichteten Elitestudiengangs Neuroengineering (MSNE) des Elitenetzwerks Bayern.

Wichtigste Auszeichnungen

  • IEEE Fellow for Contributions in Humanoid Robotic Systems and Neurorobotics (2017)
  • IEEE Gennai Medal (2007)
  • Center of Excellence (COE) Fellow (2000)
  • Science and Technology Agency (STA) Fellow (1998)

Schlüsselpublikationen (alle Publikationen)

Cheng G, Ramirez-Amaro K, Beetz M, Kuniyoshi Y: ”Purposive learning: Robot reasoning about the meanings of human activities”. Science Robotics. 2019; 4(29): eaav1530.

Abstract

Ehrlich SK, Cheng G: “Human-agent co-adaptation using error-related potentials”. Journal of Neural Engineering. 2018; 15(6).

Abstract

Mittendorfer P, Yoshida E, Cheng G: “Realizing whole-body tactile interactions with a self-organizing, multi-modal artificial skin on a humanoid robot”. Advanced Robotics. 2015; 29(1): 51-67.

Abstract

Donati ARC, Shokur S, Morya E, Campos DSF, Moioli RC, Gitti CM, Augusto PB, Tripodi S, Pires CG, Pereira GA, Brasil FL, Gallo S, Lin AA, Takigami AK, Aratanha MA, Joshi S, Bleuler H, Cheng G, Rudolph A, Nicolelis MAL: “Long-Term Training with a Brain-Machine Interface-Based Gait Protocol Induces Partial Neurological Recovery in Paraplegic Patients”. Nature Scientific Reports. 2016; 6(Article number: 30383).

Abstract

Mittendorfer P, Cheng G: “Humanoid Multimodal Tactile-Sensing Modules”. IEEE Transactions on Robotics. 2011; 27(2): 401-410.

Abstract