Lehre und Forschung auf den Gebieten

• Wissensverarbeitung und Methoden der Künstlichen Intelligenz
• Soft Computing, Fuzzy Systeme, Neuronale Netze, Artificial Life
• Evolutionäre Algorithmen, Zeitlogik, Bayessche Netze
• KI-Programmiersprachen LISP und PROLOG
• Semantische Signalanalyse

Anwendung wissensbasierter Systeme

• Integrierte Informatikanwendungen, Autonome Mobile Systeme,
• Planung und Optimierung, Entscheidungsunterstützung, Data Mining

Studienrichtung "Intelligente Systeme" im Informatikstudium

Funktionsweise und Evaluation der adaptiven probabilistischen Lokalisierung AMCL in NAV2

Diese Arbeit befasst sich mit der Inbetriebnahme eines Turtlebot3-Roboters und der Evaluation eines Moduls der Navigationskomponente NAV2 im Gesamtsystem ROS2/Foxy. Das Modul ist die Lokalisierungskomponente AMCL, das in Open Source einen adaptiven Partikelfilter realisiert. Der Quelltext der zu evaluierenden Komponente liegt also vor und kann zur Einsichtnahme, ggf. sogar durch eigenes Kompilieren herangezogen werden.

Die Arbeit liefert eine eingehende Beschreibung der Funktionsweise und Einbettung von AMCL sowie eine Beurteilung der Leistungsfähigkeit anhand von Experimenten im Simulator Gazebo als auch mit...

Wir haben uns daher dazu durchgerungen, zumindest in dieser Saison nicht dabei zu sein.

Inbetriebnahme des OpenMANIPULATOR-X und Handlungsplanung mit Partial Order Planning Forward

Im Rahmen dieser Bachelorarbeit wird der Greifarm OpenManipulator-X der Firma ROBOTIS in Betrieb genommen. Der OpenMANIPULATOR-X ist ein Greifarm der Firma ROBOTIS, der mit dem Robot Operating System 2 (ROS2) betrieben wird. Für diese Arbeit wird er auf einer stationären Basisplatte montiert. Alternativ besteht die Möglichkeit ihn auf dem mobilen Roboter TurtleBot3 WafflePi zu montieren.

Es werden ein Überblick über die grundsätzlichen Vorgänge und Prozesse bei dessen Nutzung gegeben sowie die Möglichkeiten der Steuerung erprobt. Weiterhin wird die Steuerung mittels...

Umsetzung und Vergleich von GANs (Generative Adversarial Networks) zur Generierung von Bildern menschlicher Gesichter

Generative Adversarial Networks (GANs) sind ein aktueller Ansatz im Bereich der Deep Neural Networks. Diese Netzwerke sind in der Lage anhand von hochdimensionalen Trainingsdaten (speziell Bildern) die Verteilung der Daten zu erlernen und erfolgreich Generatoren für diese Verteilung hervorzubringen. Das Ziel dieser Arbeit besteht in der Auswahl, Implementierung und Evaluation moderner GANs zur Synthese von Bildern menschlicher Gesichter. Die besondere Schwierigkeit besteht in der Erschließung und Komplexität der theoretischen Grundlagen, einer korrekten Implementierung und insbesondere in der Auswahl...

Frameworks zum Management von Data Science-Experimenten

Das Ziel dieser Bachelorarbeit liegt in der Gegenüberstellung von mindestens zwei Frameworks zum Management von Data Science-Experimenten. Hierbei ist der Bedarf, die Szenarien, die Einsatzbereiche und funktionalen Angebote derartiger Frameworks theoretisch zu erarbeiten und an einem konkreten Beispiel (mindestens Klassifikation mit Hyperparameteroptimierung) mit Blick auf die Nutzung in einem KMU zu evaluieren.

Eine wichtige nichtfunktionale Anforderung ist die Verständlichkeit, Nachvollziehbarkeit und Wiederholbarkeit der Arbeit.

In der Arbeit werden die Frameworks Neptune.ai und Comet.ml gegenübergestellt. Nach den theoretischen Grundlagen zu MLP, CNN und...

Reimplementierung einer Objekterkennung im Kanurennsport durch ein aktuelles Convolutional Neural Network und Vergleich mit den Vorgängerversionen

Ziel der Arbeit sind Deep Learning-Methoden aus dem Stand der Forschung und ihre Implementierungen zur Detektion von Kanus und Ruderbooten in Zeilenkamera-Bildern. Hierzu sollen geeignete Ansätze identifiziert, exemplarisch auf dem Deep Learning-Server des Fachbereiches mit den Kanudaten trainiert, evaluiert und mit den im Einsatz befindlichen Netzversionen verglichen werden. Eine Detektion auf der Zielplattform Jetson Nano ist optional, sollte aber berücksichtigt werden.

Schwerpunkte sind die Darstellung der Funktionsweise eines sinnvoll gewählten Modells, des Vorgehens beim...

Pizzabote 2022

Das Unternehmen Nuro.ai (Kalifornien) entwickelt ein kleines vollautomatisches Lieferfahrzeug und erhält im Jahr 2019 eine Finanzspritze von 940 Millionen Dollar. Geldgeber ist der Investmentfonds des japanischen Technologiekonzerns Softbank. Es folgt eine Kooperation mit Domino’s Pizza: "Once an order is ready to be delivered from a participating location, Domino’s employees will load it into one of several compartments in Nuro’s thin, stout R1, which packs a proprietary combo of laser sensors, cameras, and computers. The vehicles top out at 25 miles per hour and are fully driverless ...".

Ist das schon SAE-Level 4?...

Das PST-Thema im KI-Labor: "Kleine Aufgaben sollen durch die Konstruktion und Programmierung einfacher Maschinen gelöst werden."

• Kleine Aufgaben? Es werden C-Programme (max 100 Zeilen) mit Datentypen und Kontrollstrukturen benötigt. Sie lernen im Projekt, diese zu schreiben.
• Maschinen?! Die Ausführung der Programme erfolgt auf kleinen Maschinen, die Sie selbst aus Sensoren, Motoren und Sensoren konstruieren.

Ergebnisse

Netzwerkanalyse und Visualisierung der Nutzer und 3D-Druckvorlagen von thingiverse.com mit dem Ziel der Lead-User-Identifizierung

Auf der Seite thingiverse.com können Nutzer Open-Source-Lizensierte 3D-Druckvorlagen hochladen, zum Benutzen herunterladen und verändern. Daraus lässt sich ein Netzwerk mit verschiedenen Knotentypen konstruieren:

1. Nutzer, die sich gegenseitig folgen, Druckvorlagen einstellen, nutzen und verändern.
2. Die Druckvorlagen (Designs) samt Versionsmanagement. Weiterhin können Nutzer Vorlagen "liken".
3. Beiträge zum Druck einer Vorlage (Makes), die mit einem Nutzer und einer Vorlage verbunden sind, aber auch Informationen zum Drucker, Material, Problemen beim Drucken und dem anschließenden Gebrauch...

Entwicklung einer Methodik zur Qualitätsvorhersage im Spritzgießprozess mittels maschinellen Lernens am Beispiel des Formteilgewichtes

Ziel der Arbeit ist die Untersuchung von Methoden des maschinellen Lernens zur Prognose von Qualitätsmaßen bei der Produktion von Spritzgussteilen. Die Arbeit ist eine erste Arbeit in diesem Kontext im Unternehmen und übernimmt somit eine Pilotfunktion. Das umfasst den kompletten Data Mining-Prozess von der Datenerfassung, -bereinigung, -aggregation, -vorverarbeitung und -exploration, der Definition geeigneter Gütemaße, Entwicklung eines Evaluationskonzeptes, über das Erstellen, Bewerten und Optimieren von Modellen, bis hin zur Modellselektion und nachhaltigen Dokumentation. Schwerpunkt ist das exemplarische Absolvieren aller...

Untersuchung von Methoden zur Klassifizierung von Nachrichtenmeldungen - Transparente Modelle zur Erkennung von Fake News

Ziel dieser Arbeit war die Untersuchung von Methoden des maschinellen Lernens für die Klassifizierung bzw. Distinktion von Fake News und echten Nachrichtenmeldungen. Einen besonderen Aspekt nimmt dabei der Faktor Transparenz ein. Untersucht wurden drei tiefe neuronale Netze und ein Modell basierend auf der logistischen Regression, sowie die Generierung von Erklärungen post-hoc mittels LIME. Die Untersuchungen wurden für drei verschiedene Datensätze vorgenommen.

Die Ergebnisse zeigen, dass die Genauigkeit der Modelle stark von dem zugrundeliegenden Datensatz abhängt....

Objektdetektion und Instanzsegmentierung im Edge Computing mit DeepStream SDK und Jetson

Die Arbeit untersucht das Deployment vortrainierter Detektoren zur Erkennung von Boundingboxen und pixelgenauen Instanzen auf die Plattform Jetson Nano. Hierzu sind geeignete vortrainierte Netze zu evaluieren, weiter zu trainieren und optimiert auf dem Zielsystem auszuführen. Die Optimierung kann auf dem Trainingsserver oder auf dem Zielsystem stattfinden. Die Detektoren sollen in allen drei Phasen durch sinnvolle Metriken auf einer selbstgewählten Datenmenge evaluiert werden. Die lauffähige Umsetzung eines selbst trainierten Detektors auf dem Jetson Nano ist durch eine einfache Rahmenapplikation mit dem Deepstream...

Effect of color space on deep learning algorithm for surgical image classification

Ziel der Arbeit ist die Untersuchung des Einflusses verschiedener Kodierungen der Farbinformation bei der Klassifikation medizinscher Bilder mit Deep Learning-Modellen. Die Bilder stammen aus einem Operationsszenario der Gallenblasenentfernung und zeigen einzelne oder mehrere Operationswerkzeuge im Körper bei minimalinvasiver Chirurgie. Hierzu sind die Kodierungen zu bestimmen, die Datenmenge vorzuverarbeiten, geeignete Pipelines zur Modellentwicklung und -evaluation zu realisieren und die Ergebnisse auszuwerten. Die besondere Schwierigkeit besteht in der Größe der Datenmenge, der Einarbeitung in das Gebiet der Bildklassifikation mit Convolutional Neural Networks...

Konzeption und Umsetzung eines Neuroevolutionären Algorithmus zur Steuerung eines Fahrzeugs in Unity

Genetische Algorithmen (GA) können zur Optimierung der Wichtungen künstlicher neuronaler Netze (kNN) verwendet werden. Die Lernaufgabe ist in diesem Fall das Finden einer Policy, die in der Lage ist, in einer einfachen simulierten Umgebung ein Fahrzeug zu steuern und gehört damit zum Reinforcement-Learning. Hierzu ist der GA zu implementieren und auf die Lernaufgabe anzuwenden. Die (physikbasierte) Simulation ist in geeigneter Weise in Unity zu entwickeln und soll Aspekte der Vermittlung von Konzepten berücksichtigen. Dies wäre denkbar durch die Visualisierung der...

Benchmarking Post-Training Quantization for Optimizing Machine Learning Inference on compute-limited Edge Devices

In den letzten Jahren hat die Edge-KI, d.h. die Übertragung der Intelligenz von der Cloud in Edge-Geräte wie Smartphones und eingebettete Systeme an großer Bedeutung gewonnen. Dies erfordert optimierte Modelle für maschinelles Lernen (ML), die auf Computern mit begrenzter Rechenleistung funktionieren können. Die Quantisierung ist eine der wesentlichen Techniken dieser Optimierung. Hierbei wird der Datentyp zur Darstellung der Parameter eines Modells verändert. In dieser Arbeit wurde die Quantisierung untersucht, insbesondere die Quantisierungstechniken nach dem Training, die in TensorFlow Lite (TFLite)...

Performance-Optimierung beim maschinellen Lernen am Beispiel der Bonitätsprüfung von Bankkunden

Die Kreditwürdigkeitsprüfung ist ein wichtiger Schritt, der von Kreditvergabestellen durchgeführt wird und der darüber entscheiden kann, ob das Bankinstitut potenziellen Kreditnehmern einen Kredit gewährt oder nicht. Diese Prüfung hat einen großen Einfluss auf Agenturen, insbesondere im Finanzsektor. Um finanzielle Probleme zu vermeiden, die aufgrund von Risiken bei der Kreditvergabe auftreten, wird eine Methode benötigt, die die Kreditwürdigkeitsprüfung unterstützt, indem die statistische Leistung eines Kreditscoring-Modells erhöht wird. Mit Hilfe von maschinellen Lernmodellen können Zeit, Aufwand und Kosten für die Durchführung statistischer Analysen, die...

Entscheidungsunterstützung mit Bayesschen Netzen - Modellierung einer COVID-19 Domäne mit HUGIN

Bayessche Netze (BN) sind gut zur Modellierung von Unsicherheit geeignet. Ein aktuelles Beispiel für das Auftreten von Unsicherheit ist die COVID-19 Domäne, insbesondere die Zusammenhänge zwi- schen u.a. Symptomen, Analysen, Auswirkungen und Folgen. Nach einer kurzen Einführung in die Grundlagen der BN sollen die we- sentlichen Konzepte der COVID-19 Domäne einschließlich ihrer Zu- sammenhänge dargestellt werden. Eine Analyse zum Stand der Forschung zu BN, die genau diese Domäne bereits als Anwendung haben, schließt sich an, ebenfalls eine eigene kurze Bewertung. Kern...

Schiebepuzzle@Home: zuhause konstruiert, online diskutiert und vorgeführt

Das Schiebepuzzle ist ein bekanntes Beispiel zur Aktionsplanung. Das Puzzle besteht aus einem 3x3-Feld in dem 8 Plättchen in einer Stellung angeordnet sind. Die Plättchen können horizontal oder vertikal in Richtung auf die freie Stelle bewegt werden. Die Aufgabe besteht darin, in der Ausgangsstellung die Plättchen sukzessive solange zu verschieben, bis die Zielstellung erreicht wird. In jeder Stellung gibt es mindestens zwei und höchstens vier Schiebemöglichkeiten. Wenn wir von durchschnittlich drei Möglichkeiten ausgehen, so ergibt dies einen Suchbaum der Verzweigungsrate 3. Bei einem typischen Lösungsweg der Länge...

Namensänderung FIRST LEGO League (FLL)

• 4-6 Jahre -> FIRST LEGO League Discover
• 6-10 Jahre -> FIRST LEGO League Explore
• 9-16 Jahre -> FIRST LEGO League Challenge