Robotik

Effiziente sensomotorische Verarbeitung ist von Natur aus durch die physischen Beschränkungen bedingt, denen ein handelnder Akteur in seiner Umgebung ausgesetzt ist. Die sensorischen Datenströme enthalten bestimmte statistische Abhängigkeiten, die durch die Struktur der Welt bestimmt werden und die sensomotorischen Möglichkeiten eines Systems einschränken. Dadurch wird die Anzahl möglicher sensorischer Informationsmuster und plausibler motorischer Signale begrenzt. Lernmechanismen ermöglichen es dem System, die zugrunde liegenden Korrelationen in den sensomotorischen Strömen zu extrahieren. Diese Forschungsrichtung konzentriert sich auf die Erforschung sensomotorischer Lernparadigmen zur Einbettung adaptiver Verhaltensweisen in Robotersysteme und zur Demonstration flexibler Regelungssysteme unter Verwendung neuromorpher Hardware und neural-basierter adaptiver Regelung.

Autonome Systeme

Die Verkehrssimulation ist ein wichtiges Instrument zum Testen und Bewerten von Hypothesen bei der Entwicklung von autonomen Fahrsystemen, bei denen die Modellierung und Kalibrierung des Fahrerverhaltens eine zentrale Rolle spielt. In dieser Forschungsarbeit untersuchen wir Ansätze zur Kalibrierung von Fahrermodellen durch die Kombination von Fuzzy-Logik und Inferenz, um eine plausible Parametrisierung zu erstellen, die gleichzeitig die Besonderheiten des Fahrerverhaltens und die Merkmale des Straßenverkehrs reproduziert. Das Kalibrierungssystem verwendet ausschließlich Fahrzeugtrajektorien, die die Bewegungen der Autos durch das Straßennetz beschreiben, und zwar mit einer ausreichenden zeitlichen und räumlichen Auflösung, um in jeder Sekunde des Erhebungszeitraums die benutzte Straßenspur, die Geschwindigkeit und die Beschleunigung zu bestimmen.

Industrielle Automatisierungstechnik

Prädiktive Maintenance von industriellen Automatisierungssystemen, um ungeplante Stillstände zu reduzieren und die Lebensdauer der Anlagen zu maximieren. "Wenn Komponente A über 20 % Basisschwingungen aufweist, während die Temperatur in Komponente B um 0,5 Grad ansteigt und der Geräuschpegel um 10,6 dB ansteigt, ist es wahrscheinlich, dass die Türen in etwa 5 bis 7 Tagen kaputt gehen." Ziel der Forschung ist es, Systeme zu entwickeln, die normale Betriebsparameter und sensorische Korrelationen erlernen, um 1) Grenzen für Min-/Max-Bereiche kritischer Parameter zu definieren und 2) Alarme für Anomalien zu erzeugen. Wir erforschen Streaming-Algorithmen für neuronale Netze, die in der Lage sind, die Varianz-Kovarianz-Struktur eines Satzes von Variablen in einem Datenstrom durch lineare Kombinationen zu erklären. Die entwickelten neuronalen Algorithmen werden durch neuartige inkrementelle Berechnungsmethoden und -systeme genutzt, die auf Datenströmen arbeiten und in der Lage sind, beim Lernen aus Datenströmen eine niedrige Latenz und einen hohen Durchsatz zu erzielen, während die Ressourcennutzung für Prädiktive Maintenance Aufgaben garantiert bleibt.

Verkehrskontrolle

Verkehrsstaus stellen die städtische Infrastruktur aufgrund der unvorhersehbaren dynamischen Belastung der Verkehrsadern vor große Herausforderungen. Trotz der Fortschritte bei den Ampelsteuerungssystemen ist das Problem der optimalen Zeitsteuerung von Verkehrssignalen noch immer nicht einfach zu lösen. Die grundsätzlich nichtlinearen Verkehrsströme weisen sowohl lokal periodische Dynamiken als auch global gekoppelte Korrelationen unter großer Unsicherheit auf. In diesem Projekt erforschen wir den Entwurf und die Implementierung von End-to-End-Systemen, die in der Lage sind, die zyklische Dynamik des Verkehrsflusses zu modellieren und die Ungewissheit robust zu kompensieren, während das System gleichzeitig für den Einsatz in der realen Welt geeignet ist. Um dieses Ziel zu erreichen, verwenden solche Systeme eine effiziente Darstellung der Verkehrsströme und ihrer Dynamik in Populationen von neuronalen Spike-Netzwerken.

Biomedizin

Wir forschen und entwickeln Tools, Modelle und Infrastrukturen, die zur Interpretation großer Mengen klinischer Daten und zur Verbesserung der Krebsbehandlung und unseres Verständnisses der Krankheit erforderlich sind. Zu diesem Zweck dient diese Forschungsrichtung als Brücke zwischen den Daten, dem Ingenieur und dem Kliniker in der onkologischen Praxis. So wird wissensbasierte prädiktive mathematische Modellierung eingesetzt, um Lücken in Sparse Data zu füllen, Algorithmen für maschinelles Lernen zu unterstützen und zu trainieren, messbare Interpretationen komplexer und heterogener klinischer Datensätze zu liefern und auf den Patienten zugeschnittene Vorhersagen über das Fortschreiten und Disease-Response von Krebs zu machen.

Biomechanik

Die sensomotorische Rehabilitation mit virtueller Realität (VR) wird bald Avatare erfordern, digitale Alter-Egos des physischen Selbst der Patienten. Solche verkörperten Schnittstellen könnten die Wahrnehmung der Patienten in einer reichhaltigen und hochgradig angepassten Umgebung stimulieren, in der sensomotorische Defizite, wie z.B. bei Chemotherapie-induzierter peripherer Neuropathie, korrigiert werden könnten. Wir entwickeln Meta-Lernsysteme mit neuronalen Netzen, die die zugrundeliegenden Korrelationen in der Körperkinematik ausnutzen und das Potenzial haben, innerhalb der garantierten Latenzzeiten ein personalisierte VR-Rehabilitation zu ermöglichen. Die unüberwachten Meta-Lernsysteme sind in der Lage, die zugrundeliegenden Statistiken der Bewegungsdaten zu extrahieren, indem sie die Regelmäßigkeiten der Daten ausnutzen, um die zugrundeliegende Vielfältigkeit oder Struktur der Bewegung bei sensomotorischen Defiziten zu beschreiben.

Sport Technologie

Diese Forschungsrichtung schlägt die Entwicklung eines VR-Systems vor, das von neuronalen Netzwerken gesteuert wird und dem sportpsychologischen (kognitiven) und biomechanischen Training dient. Durch die Nutzung neurowissenschaftlicher Erkenntnisse im Bereich der sensomotorischen Verarbeitung, auf neuronalen Netzen basierender Lernalgorithmen und der Rekonstruktion von VR-Avataren zielt unser Labor zusammen mit den anderen Konsortialpartnern auf die Entwicklung einer adaptiven, erschwinglichen und flexiblen neuartigen Lösung für das Torwarttraining in VR ab.