Semesterprojekt 1
Robots@Play: Speech-based Interaction and Control of Robots
H. Schlingloff, M. Carwehl
Sprachbasierte Interaktion mit Softwaresystemen wie Siri, Assistant, chatGPT, Copilot usw. gehört heute zum Stand der Technik. Die nächste Stufe ist die Integration in physische Objekte wie z.B. autonome mobile Roboter. In diesem Semesterprojekt sollen Turtlebots mit Greifarmen ausgerüstet werden und mit einer natürlichsprachlichen Schnittstelle versehen werden, so dass man sich mit ihnen unterhalten und in einer Spielumgebung sprachliche Anweisungen geben kann (z.B. "Bring mir den roten Ball"). Dazu muss eine Zwischensprache entwickelt und implementiert werden, in die die Sprachbefehle von einem LLM (large language model) übersetzt werden, und die seinerseits in Aktionen für ROS (robot operating system) übersetzt werden können. Ferner ist es nötig, verschiedene Bildverarbeitungs- und Steuerungsalgorithmen, z.B. zum Greifen von Gegenständen, in das System zu integrieren, damit die Roboter ihre Umgebung wahrnehmen und entsprechend reagieren können.
Die Teilnehmerinnen und Teilnehmer lernen in diesem Semesterprojekt, in einem Team ein komplexes cyber-physisches System zu konstruieren, das verschiedene Robotik-Module und KI-Komponenten integriert.
________________________________________________________
Semesterprojekt 2 = findet nicht statt
Learning Analytics Dashboards
J. Kuzilek
Um Studierenden Empfehlungen zu geben und Feedback bereitzustellen, werden unter anderem Learning Analytics Dashboards verwendet. Damit Studien- und Lernprozesse durch Learning Analytics entsprechend unterstützt werden, ist die Integration von pädagogischen Annahmen und informationstechnologischen Möglichkeiten entscheidend.In dieser Veranstaltung werden Sie zunächst einen Einblick in Learning Analytics und Dashboards sowie agiles Projektmanagement erhalten. Im Anschluss definieren Sie Funktionen für Learning Analytics und Dashboards für Studierende oder Lehrende. Sie implementieren diese Funktionalitäten unter Verwendung eines vorhandenen Datensatzes von Studierendendaten.Ziel des Semesterprojekt ist es, zunächst entsprechende Funktionen von Learning Analytics und Dashboards zu definieren und anschließend zu entwickeln.Der Entwicklungsprozess wird im Rahmen von Zwischenpräsentationen sowie in einem Abschlussbericht dokumentiert.
Die Lehrveranstaltung findet auf Englisch statt.
________________________________________________________
Semesterprojekt 3
Mobile Roboter
V. Hafner / H. Mellmann
In diesem Semesterprojekt arbeiten wir an der Weiterentwicklung der Software für die humanoiden Roboter NAO für den Einsatz im RoboCup. Die Arbeit erfolgt im Team und es stehen verschiedene Teilprojekte zur Auswahl. Beim RoboCup spielen humanoide Roboter NAO in Teams selbständig Fußball. Zu den Aufgaben der Teilnehmer*innen zählen visuelle Wahrnehmung, Bewegungsansteuerung, Verhaltensplanung, Teamkommunikation und Koordination, aber auch Software-Infrastruktur und Werkzeuge. Die Arbeit erfolgt in Simulation und an realen Robotern.
Teilnahme an RoboCup-Veranstaltungen wie Workshops und Meisterschaften, sowie längerfristige Beteiligung an unserem RoboCup Team "Berlin United"
(https://berlin-united.org/) sind möglich und werden begrüßt.
________________________________________________________
Semesterprojekt 4
Software Engineering für Bild erkennungs ML Pipeline
E. Reichmann / M. Carwehl
Due to the recent improvements in AI algorithms and the increase in compute power, the demand and adoption of AI-based functionalities has dramatically increased. However, developing AI-based systems is not only about the best possible algorithm but more about a reliable training and testing pipeline that process data, trains models, and evaluates results in a reproducible way.
This semester project focuses on the practical aspects of engineering AI systems. Students will implement a complete pipeline, including data gathering and preprocessing as well as model training and evaluation. The task is image recognition.
The students are encouraged to apply software engineering practices such as modular design, version control, reproducibility, parallel training and testing to their ML pipeline.
To introduce some additional motivation students will compete against each other in the development of the best model.
In the end they will have to write a short report about their approach.
Die Lehrveranstaltung findet auf Englisch statt.
________________________________________________________
Semesterprojekt 5
Row Pattern Recognition in Data Processing Systems
S. Purtzel
Datenstromverarbeitung bildet die Grundlage zahlreicher moderner Anwendungen, von Finanztransaktionen bis hin zu Sensordatenanalysen in Industrieanlagen. Ein zentrales Element bei der Verarbeitung und Analyse solcher kontinuierlichen Datenströme ist die Mustererkennung (Pattern Matching). Der SQL-Operator MATCH_RECOGNIZE bietet eine standardisierte Methode, um komplexe Muster direkt in relationalen Datenbanken oder Stream-Verarbeitungssystemen zu definieren und effizient zu evaluieren.
Die Performance und Skalierbarkeit solcher Mustererkennungsoperationen hängen stark von dem verwendeten System sowie der Struktur und Komplexität der Muster ab. Ein Benchmarking dieser Aspekte ermöglicht es, Stärken und Schwächen verschiedener Implementierungen und Systeme zu ermitteln.
Im Rahmen dieses Semesterprojekts werden die Studierenden sich daher mit der Realisierung des SQL-Operators MATCH_RECOGNIZE beschäftigen. Dies umfasst die Analyse von existierenden Implementierungen in relationalen Datenbanksystemen (z.B. Trino) und Stream-Processing-Plattformen (z.B. Flink), die Erstellung bzw. Modifikation von Operatorimplementierungen, sowie der Entwurf von realistischen Lastszenarien für ein Benchmarking von MATCH_RECOGNIZE.
________________________________________________________
Semesterprojekt 6
FPGA-beschleunigte Hardware-Simulation für große System-on-Chip (SoC) mit FireSim
T. Wübbenhorst
Mit zunehmender Komplexität der Hardware-Designs werden softwarebasierte Simulationen auf Register-Transfer-Level (RTL) immer langsamer. Um diesem Problem zu begegnen, gewinnt die Hardwarebeschleunigung auf FPGAs zunehmend an Bedeutung, insbesondere für komplexe und interaktive Linux-Workloads. Für eine FPGA-beschleunigte Simulation großer System-on-Chip-Systeme hat sich die FireSim-Plattform bewährt.
In diesem Semesterprojekt beschäftigen wir uns damit, die FireSim-Plattform zu nutzen, um einen RISC-V-basierten SoC zu simulieren und Linux darauf auszuführen.
Des Weiteren ist es geplant, eine Strategie zu entwerfen, um ein unvorhergesehenes Verhalten des SoCs in die Simulation zu integrieren (Fault Injection).
Die Ausführung unserer Simulation wird auf einem Supercomputer des Verbund für Nationales Hochleistungsrechnen erfolgen.
Um einen Platz zu erhalten, ist eine Anmeldung in Agnes notwendig. Die Kursorganisation erfolgt in Moodle. Siehe Hinweise auf der Lehrstuhlseite:
https://www.informatik.hu-berlin.de/de/forschung/gebiete/ti/teaching
|
