Im Forschungsgebiet Ubiquitous Computing (kurz: ubicomp) werden alltägliche Gegenstände, wie Notizzettel oder Kleidungsstücke bzw. ganze Räume mit Computer ausgerüstet werden. Es beinhaltet unter anderem die Bereiche mobile computing und wearable computing. Vernetzte und "computerisierten" Geräte bilden die Basis für eine komplett neue Klasse von Anwendungen bzw. von Anwendungsformen, welche innerhalb von "interaktiven Räumen" ablaufen werden. Ein Beispiel für die Integration in alltägliche Gegenstände stellt die MediaCup dar, eine mit Computertechnologie ausgestattete Tasse, deren Zustände über das Web abgefragt werden können (Das Projekt wurde inzwischen auch von der Presse aufgenommen (konr@d, iX, Unikath, Unicum, Süddeutsche etc.)). Allerdings benötigen (Computer-)Gegenstände andere Formen der Kommunikation und Kooperation als diese von herkömmlichen Computersystemen bekannt sind. Aktuelle Projekte, Diplom- und Studienarbeiten basieren meist auf Smart-Its, einer Plattform zum Aufbau von Ubicomp Umgebungen. Diese Plattform beinhaltet Miniatur-Rechner und Sensorsysteme, die für Anwendungen in Gegenstände eingebettet und programmiert werden können, eine Funk-Netzwerkinfrastruktur, die den einfachen Zugriff, Programmierung und Konfiguration dieser Miniatur-Rechner vom PC aus ermöglicht, sowie Biblotheken und Werkzeuge für den PC, die das Entwickeln von Anwendungen auf den Miniatur-Rechnern oder von Anwendungen, die Daten der Miniaturrechner verwenden, erleichtern.
Das Telecooperation Office (TecO) ist eine Forschungsabteilung an der Universität Karlsruhe, die ausschließlich drittmittelfinanzierte Projekte mit der Industrie durchführt. Neben direkten Forschungs- und Entwicklungsaufträgen aus der Industrie forscht das TecO - in Zusammenarbeit mit anderen namhaften Forschungs-Labs in der ganzen Welt - in zukunftsträchtigen Gebieten, die für spätere Entwicklungen verwendet werden. Eines der Kern-Forschungsgebiete stellt Ubiquitous Computing dar; dort entwickelt das TecO ein Unterstützungssystem auf der Basis bestehender Forschungsarbeiten. Die unten aufgeführten Diplom- und Studienarbeiten werden in dieses System eingehen; da dieses System schon fortgeschritten ist, können die Arbeiten bei entsprechendem Engagement und Vorkenntnis zügig durchgeführt werden. Die Arbeiten können auch als Teamarbeit für mehrere Diplom- oder Studienarbeiter vergeben werden.
Was wir
erwarten:
Voraussetzung für die folgenden Arbeiten sind Motivation und die
Fähigkeit im Team unter ständigem Erfahrungsaustausch
selbständig arbeiten zu können. Da Teile aller Arbeiten
Grundlagen für Industrieprojekte darstellen, sollen diese zeitlich
"kompakt" durchgeführt werden.
Was wir
bieten:
Die selbständige Organsiation des eigenen Arbeitsbereichs
inklusive der Arbeitsmittel, Arbeit in lockerer Atmospähre, die
Möglichkeit in einem außergewöhnlichen Umfeld neues zu
erlernen und praktische Aspekte von Projektarbeit kennenzulernen,
Kontakte zu internationalen Firmen und Universitäten (GeorgiaTech,
University of Lancaster, Keio University...), freien Kaffee ....
| Ein Klassifikator in dynamischen ubiquitären Umgebungen benötigt Mechanismen um sich an veränderte Gegebenheiten anzupassen. Eine Möglichkeit effizient dynamisch zu optimieren ist durch genetische Algorithmen gegeben. |  |
Zur Arbeit:
Es existieren verschiedene Klassifikatoren die auf Artefakten in ubiquitären Umgebungen eingesetzt werden. Die Klassifikation ist bei solchen Artefakten eine Beurteilung des eigenen und des umgebenden Zustandes aufgrund sensorischer Daten. Ein solches Artefakt ist der AwarePen (Board Marker), der die Art der Benutzung (schreiben, liegend, etc.), den Benutzerzustand (laufen, sitzen, etc.) und den Umgebungszustand (Handy klingelt, etc.) erkennen kann. Dieses Artefakt und andere müssen mit sehr dynamischen Gegebenheiten zurecht kommen, wie z.B. verschiedene Benutzer, wechselnde Umgebungen und undefinierte Zustände. Es wird nun ein Mechanismus benötigt, der die Adaption an neue Umstände zur Laufzeit , ohne Unterstützung der Infrastruktur (Netzwerk, PC, etc.) und ohne Veränderung der Klassifikator-Parameter ermöglicht. Ein solcher Mechanismus wurde Entwickelt und soll nun auf Particle-Computern implementiert werden.
Die Aufgabe in dieser Studienarbeit ist nun einen genetischen Algoritmus zur Optimierung von Klassifikatoren auf Particle-Computern zu implementiern und zu evaluieren. Der genetische Algorithmus soll hierbei auf Bit-Genomen operieren, was eine effiziente Ausführung auf Mikrokontrollern ermöglicht. Im Weiteren ist eine verteilte Ausführung auf mehreren kooperierenden Artefakten in betracht zu ziehen.
Teilaufgaben
| Die Kontexterkennung ist in ubiquitären Systemen von zentraler Bedeutung. Unter anderem ist bei der Erkennung von Bedeutung wie zuverlässig diese ist, da Applikationen auf dieses Wissen aufbauen. Eine Methodik kontextuelle Zustände zu erkennen ist mit Hilfe von neuronalen Fuzzy Netzen. Um nun die Zustandsabhängigkeit und die Zuverlässigkeit der Kontexterkennung zu erfassen, muss der erkannte Zustand in den Erkenner zurückgeführt werden. Dies ist mit einem Fuzzy Recurrent Neural Network (FRNN) möglich. |  |
Zur Arbeit:
In ubiquitären Umgebungen werden implizite Benutzereingaben benötigt, da die direkte Eingabe über Tastatur oder Maus nicht möglich und erwünscht ist. Eine Relevanz für die Systeme besitzt auch der Zustand der Umgebung selbst. Diese Zustände von Benutzer und Umgebung werden mit 'Kontext' bezeichnet.
Zur Erkennung von kontextuellen Zuständen werden schon seit einiger Zeit neuronale Fuzzy Netze eingesetzt, da diese die Vorteile von unscharfer Mengentheorie und neuronalen Netzen vereinigen. Die unschärfe repräsentiert hierbei sogleich die Verlässlichkeit der Zustandserkennung. Die Verlässlichkeit ist jedoch auch vom erkannten Zustand selbst abhängig. Um ein neuronales Fuzzy Netz mit dieser zustandsbehaftete Zuverlässigkeit auszustatten kann ein FRNN eingesetzt werden.
Die Aufgabe in dieser Studienarbeit ist nun ein Modul zu implementieren, das die Erstellung und das Training von FRNNs ermöglicht. Das Modul soll mit einer Schnittstelle für die Zugänglichkeit aus MATLAB ausgestattet werden. Das fertige Modul soll bezüglich der Anforderungen anschließend evaluiert werden.
Teilaufgaben
| Für die Verarbeitung und Interpretation von Sensordaten werden immer ähnliche Prozesse verwendet. Eine Modularisierung der Verarbeitung ist daher eine Möglichkeit der Standartisieung des Prozesses. Eine grafische Spezifizierung der Verarbeitungskette mittels standardisierten Komponenten soll den Konstuktionsprozess vereinfachen. |
Zur Arbeit:
Um Informationen aus sensorischen Messwerten zu extrahieren, werden immer gleiche Verarbeitungsschritte verwendet. Eine Vorverarbeitung dient zur Merkmalsextraktion. Die Abbildung auf eine Klasse oder einen Zustand wird mit immer gleichen Projektionsalgorithmen (neuronales Netz, Fuzzy Logic, probabilistische Methoden, etc.) durchgeführt.
Es wird nun in dieser Arbeit eine Implementierung/Erweiterung eines Toolkits zur modularisierten Sensordatenverarbeitung gwefordert. Es kann das Toolkit von grund auf erstellt werden oder auf ein vorhandenes (z.B. http://elefant.developer.nicta.com.au oder http://cstk.sourceforge.net) zurückgegriffen werden und dieses für unsere Zwecke erweitert und angepasst werden. Wegen der Manigfaltigkeit/Komplexität der Algorithmen ist es wohl vorzuziehen auf ein bestehendes Projekt aufzubauen.
Eine Anbindung von Matlab an das Toolkit und des Toolkits an Matlab soll die generelle Verwendbarkeit gewährleisten.
Teilaufgaben