Adna Bliek, M. Sc. – Wissenschaftliche Mitarbeiterin

Adna Bliek, M.Sc.

Wissenschaftliche Mitarbeiterin

Department Elektrotechnik-Elektronik-Informationstechnik (EEI)
Lehrstuhl für Autonome Systeme und Mechatronik

Raum: Raum 02.032
Paul-Gordan-Str. 3/5
91052 Erlangen

 

Adna Bliek ist seit Februar 2021 Doktorandin am Lehrstuhl für Autonome Systeme und Mechatronik am Department Elektrotechnik-Elektronik-Informationstechnik der FAU Erlangen-Nürnberg. Sie begann ihre Promotion im Oktober 2020 an der TU Dortmund am Fachgebiet Elastische Leichtbaurobotik von Prof. Dr. Ing. Philipp Beckerle. Derzeit arbeitet sie an dem von der DFG geförderten Projekt TRAIN.

Adna Bliek schloss 2018 ihren Bachelor in Künstlicher Intelligenz an der Radboud Universität Nijmegen und 2020 ihren Master in Künstlicher Intelligenz mit Schwerpunkt Robotik an der Universität Groningen ab. Sie absolvierte im Rahmen ihrer Masterarbeit ein Forschungspraktikum an der Universität Umea in Schweden.

Forschungsschwerpunkte: Mensch-Roboter-Interaktion, kognitive Modellierung, Human-in-the-Loop, humanoide Roboter

 

Lehre

Hinweis zur Betreuung von studentischen Arbeiten

Derzeit nehme ich keine neuen studentischen Arbeiten oder Abschlussarbeiten an.

 

 

Publikationen (Auszug)

Eine vollständige Liste der Veröffentlichungen finden Sie auf Google Scholar oder Research Gate.

  • Bliek, A., Andreas, D., Beckerle, P., & Rohe, T. (2024). Measuring, modeling and fostering embodiment of robotic prosthesis. Frontiers in Neuroergonomics, 5, 1400868.
  • Bliek, A., Bekrater-Bodmann, R., & Beckerle, P. (2021). Cognitive Models of Limb Embodiment in Structurally Varying Bodies: A Theoretical Perspective. Frontiers in psychology, 12.
  • Bliek, A., Bensch, S., & Hellström, T. (2020). How Can a Robot Trigger Human Backchanneling?. In 2020 29th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN) (pp. 96-103). IEEE.
  • Cansev, M. E., Xue, H., Rottmann, N., Bliek, A., Miller, L. E., Rueckert, E., & Beckerle, P. (2021). Interactive Human–Robot Skill Transfer: A Review of Learning Methods and User Experience. Advanced Intelligent Systems, 2000247