Die folgende Liste stellt einige ausgewählte Themenbereiche aus dem Gebiet Smart Environments vor. Sollten Sie innerhalb dieses Gebietes eine Studienarbeit durchführen wollen, finden aber ihr Wunschthema nicht auf der Liste, dann nehmen Sie bitte unbedingt Kontakt auf, um ein für beide Seiten interessantes Thema finden zu können. Die den Themen zugeordneten Tabellen sollen einen groben Anhaltspunkt geben, welche Kompetenzen für ein Thema besonders relevant sind.

Grundsätzlich finden sich immer spannende Aufgaben für alle, die

• die Software SparQ durch bessere Algorithmen und bessere Programmierung voranbringen
• an der Schnittstelle zwischen Hard- und Software arbeiten mögen, insbesondere im Bereich Serviceroboter
• sich für wissensbasierte Systeme, intelligente Agenten und Interaktion mit diesen interessieren

Es findet im folgenden keine Unterteilung in Bachelor- und Masterarbeit bzw. Thema für ein Lehrprojekt statt, da jedes Thema individuell angepasst werden kann.

Erkennen benannter geographischer Objekte in Texten

In der Nachbildung von Textverstehen müssen Eigennamen von Städten, Flüssen oder Plätzen zuverlässig erkannt werden und in Verbindung mit einem Datensatz gebracht werden (z.B. OpenStreetMap). Ziel dieser Arbeit wäre eine Verbindung zwischen Komponenten der Sprachverarbeitung und geographischen Datenbanken herzustellen und zu untersuchen, inwieweit eine automatische Zuordnung erfolgen kann.

Intrinsische Referenzsysteme erkennen – Wo ist vor dem Rathaus?

Einige Objekte definieren ein eigenes räumliches Bezugsystem, genannt intrinsisches Referenzsystem: hinter dem Steuer bezeichnet zum Beispiel den Fahrersitz im Auto, obwohl aus der typischen Blickweise der Fahrerin oder des Fahrers sich hinter dem Steuer das Armaturenbrett befindet. Ziel dieser Arbeit soll sein, anhand frei verfügbarer Information einen Klassifikator zu entwickeln oder zu trainieren, der für geographische Objekte bestimmt, ob diese einen derartigen Referenzrahmen definieren und wie dieser orientiert ist.

Stadt, Land, Fluss – Semantische Integration räumlicher Datenquellen

In einem Forschungsprojekt wollen wir Ortsbeschreibungen (etwa Gaustadt grenzt nordwestlich an Bamberg) automatisiert interpretieren. Um Datenquellen mit räumlicher Information wie etwa OpenStreetMap oder Wikipedia in Algorithmen gemeinsam nutzen zu können, müssen die Konzepte (etwa Stadt, Land, Fluss) aufeinander abgebildet werden können. Ziel dieser Arbeit ist, die in Datenquellen vorhandenen Konzepte durch Abbildung von Ontologien zu integrieren und eine einheitliche Schnittstelle zu entwickeln. Eine Herausforderung dabei ist die Handhabung von nicht deckungsgleichen Konzepten. Beispielsweise benennt Stadt umgangssprachlich eine größere Siedlung, schließt aber unter Umständen eingemeindete Randbezirke aus, auch wenn diese (Gaustadt im Beispielsatz oben) Teil eines Verwaltungsbezirkes mit Stadtrecht sind.

Analyse algebraischer Eigenschaften qualitativer Kalküle

In letzter Zeit wurden einige neue qualitative Kalküle vorgeschlagen, die noch nicht vollständig untersucht sind. Kalküle umfassen dabei eine Menge an symbolischen Relationen zur Beschreibung von räumlichem oder zeitlichem Wissen sowie Operationen zum Herleiten neuer Information. Durch Bereitstellung der neuen Kalküle in unserer Inferenzmaschine SparQ lassen sich die wichtigen Eigenschaften untersuchen. Dies ist notwendig um zu bestimmen, welche Algorithmen für Inferenz anwendbar sind.

Kalkülspezifische Optimierung constraint-basierter Inferenz

Verschiedene qualitative Kalküle erlauben spezielle Optimierung in der symbolischen Inferenz auf Basis von Constraints. Durch Anpassung unserer Inferenzmaschine SparQ an die jeweiligen Besonderheiten lässt sich somit eine höhere Effizienz erreichen. Im Falle einiger neu untersuchten Kalküle ist so überhaupt erst eine korrekte Inferenz möglich.

Effiziente Inferenzalgoritmen

Es soll untersucht werden, in wie weit aktuelle Suchverfahren aus dem Bereich der künstlichen Intelligenz eine Effizienzsteigerung von symbolischem qualitativen Schlussfolgern erlauben. Das ultimative Ziel soll sein, effizient mit großen Mengen qualitativer Information umgehen zu können.

Sprache in der Mensch-Roboter-Interaktion

Situierte Systeme wie mobile Roboter sollen mit Menschen unter Verwendung von natürlicher Sprache interagieren können. Dazu benötigen Sie die Fähigkeit, intuitive beschreibende Ausdrücke (z.B. "die Tasse links vom Laptop") generieren zu können. Im Rahmen eines Kooperationsprojektes sollen dazu verschiedene Modelle für beschreibende Ausdrücke und Referenzrahmen untersucht werden. Dazu soll eine visuelle Objekterkennung entwickelt werden, die gemäß spezifizierter Modelle das Zutreffen einer Beschreibung beurteilt.

Automatische Generierung von Wegbeschreibungen

Für einen Informationskiosk für Besucher von öffentlichen Gebäuden und Geländen (z.B. ERBA-Campus) soll ein Verfahren entwickelt werden, dass natürlichsprachliche Routeninstruktionen generieren kann. Im Unterschied zu inkrementellen Systemen wie z.B. aus dem Auto bekannte Navis muss die Beschreibung vor Antritt der Reise komplett übermittelt werden. Deshalb muss darauf geachtet werden, dass die Beschreibung gut zu memorieren und möglichst eindeutig ist.

Roboterarm für komplexe Manipulationsaufgaben

Für einen Roboterarm mit 6 Freiheitsgraden soll eine Motorsteuerung entwickelt werden, die geschmeidige Bewegungen erlaubt. Auf dieser Basis soll im Rahmen eines Forschungsprojektes Interaktion von Mensch und Roboter untersucht werden. Eine Anbindung des Systems an das Robot Operating System (ROS) ist ebenfalls wünschenswert.

SparQ als ROS-Paket

Qualitative Formalismen und Inferenzmethoden wie sie durch unsere Inferenzmaschine SparQ bereitgestellt werden sind zunehmend relevant für die Robotik. Aus diesem Grund soll eine Anbindung von SparQ an das Robot Operating System (ROS) stattfinden.