Collaborative Perception and Learning

Im Internet der Dinge wird eine heterogene Vielzahl intelligenter Geräte mit multimodalen Sensoren zusammenarbeiten, um ihre Umgebung wahrzunehmen und das Konzept der "allgegenwärtigen Sensorik" zu verwirklichen. Um die angesprochenen Anwendungsfälle zu lösen, werden datengesteuerte Entscheidungen getroffen, die auf Algorithmen des maschinellen Lernens basieren. Die Schlüsselfrage ist, wie man eine für KI geeignete Edge-Computing-Architektur mit einer für Edge-Computing geeigneten KI-Architektur in Einklang bringen kann. Die Paradigmen der Zukunft werden datengesteuerte, lernende Ansätze mit modellbasierter, symbolischer KI kombinieren und gleichzeitig den Wissensaustausch im Netz der Agenten nutzen, um die durch Ressourcenbeschränkungen und Zuverlässigkeitsanforderungen auferlegten Kompromisse zu lösen.

Forschungsschwerpunkte

Verstärkendes Lernen mit mehreren Agenten
- Lösung von inhärent verteilten Anwendungsfällen in der Interaktion des Agenten mit seiner Umgebung
Erklärbare KI
- Hierarchische Modelle, Mehrdeutigkeit und mehrere Dimensionen der Klassifizierung
Computer Vision (CV) trifft auf Sensorik
- Einsatz von CV zur Entwicklung von generischen Sensor-Ersatzgeräten
- Einsatz von CV-Techniken und -Algorithmen für nicht-visuelle Sensormodalitäten
Erkennung von Anomalien, industrielle Prozessoptimierung und vorausschauende Instandhaltung
Sensorfusion, virtuelle Sensorik, allgegenwärtige Sensorikkonzepte

Forschungskompetenzen

Techniken des maschinellen Lernens, insbesondere verstärkendes Lernen
Computer-Vision-Algorithmen, Objekterkennung und -verfolgung
Zeitreihendatenanalyse, statistische Auswertungen, virtuelles Sensing und Erkennung von Anomalien
Fog und Edge Computing, verteilte Systeme, verteilte Microservices-Architekturen

Anwendungen

Erkennung von Anomalien und Verfolgung von Verschlechterungen bei der multimodalen Datenüberwachung von Photovoltaikanlagen
Schätzung des Verschleißes von mechanischen Teilen einer Industriemaschine durch virtuelle Erfassungstechniken
Volumenschätzung von Objekten anhand einer Reihe von 2D-Bildern und Kamerabewegungen
Mehrdimensionale Objektklassifizierung in Bildern zur Verbesserung der Erklärbarkeit

Ihr Ansprechpartner

Dr. Willibald Krenn

Head of Research Unit Trustworthy Adaptive Computing

E-mail: contact@silicon-austria.com