Iris Fürst-Walter, M. Sc.
- Wissenschaftliche Mitarbeiterin
- Gruppe: Prof. Becker
- Raum: 125.3
CS 30.10 - Tel.: +49 721 608-45285
- fuerst ∂does-not-exist.kit edu
- Engesserstr. 5
76131 Karlsruhe
Künstliche Intelligenz in eingebetteten Systemen
Künstliche Intelligenz hat in vielen Bereichen Einzug erhalten, um Systeme präziser und verlässlicher zu machen als es bisherige von Hand optimierte Algorithmen ermöglichen. Eine verbreitete Methode ist Maschinelles Lernen, das aufgrund einer großen Datenbasis selbst lernt, vordefinierte Aufgaben zu lösen. Doch damit künstliche Intelligenz die Endanwendung bereichern kann, muss sie eingebettet werden. Eine besondere Herausforderung ist dabei, die Netze so zu komprimieren, dass sie komplett in den Endgeräten berechnet werden können.
Benchmarking für KI-Beschleuniger
Beim Einsatz von Künstlicher Intelligenz in der Praxis müssen unterschiedliche Rahmenbedingungen berücksichtigt werden, die den Entwurf eines KI-Systems und -Beschleunigers beeinflussen. Häufig wird ein Kompromiss zwischen der Genauigkeit des KI-Modells, genutzten Hardware-Ressourcen und Applikationsanforderungen realisiert. Am ITIV werden zur Analyse dieses Kompromisses Metriken aus den verschiedenen Bereichen gemessen und Benchmarks zur Bewertung des Gesamtentwurfs entwickelt. Diese Benchmarks können wiederum bei der automatisierten Entwurfsraumexploration genutzt werden, um schneller ein passendes Hardware/Software-Codesign zu finden.
Assistenzrobotik
Viele Menschen streben nach einem langen selbstbestimmten Leben in den eigenen vier Wänden. Der Pflegenotstand führt jedoch dazu, dass menschliche Betreuung im Eigenheim immer seltener möglich ist. Als Alternative forscht das KIT an Assistenzrobotern, die ältere Menschen unterstützen den häuslichen Alltag zu bewältigen. Wichtige Aspekte für deren Akzeptanzsteigerung sind geringe Reaktionszeiten und Personalisierung der Services. Hierfür erforscht das ITIV geeignete Hardwarebeschleuniger mit geringen Latenzen und einem hohen Maß an Privatsphäre.
| Titel | Eintrittstermin |
|---|---|
| Integration von Hardwarebeschleunigern in Humanoide Roboterplattform | ab 08 / 2023 |
Betreute studentische Arbeiten (Auswahl)
- MA: "Konzeptioneller Entwurf eines modularen Sensornetzwerks für intelligente Textilanwendungen"
- MA: "Datenanalyse von Sensorinformationen in intelligenten Textilanwendungen"
- MA: "Structured Analysis of a Deep Neural Network for Face detection for Implementation on FPGAs"
- MA: "Entwurf und Analyse eines intelligenten Sensornetzwerks zur Bewegungsanalyse"
- MA: "Design and Analysis of a Human Pose Estimation System from Sparse IMU-Sensing"
- MA: "Efficient Design of 3D-CNN-Acceleration on FPGA for Action Recognition"
- BA: "Analyse von Konzepten für ein KI-basiertes System zur automatisierten Identifikation und Zuordnung von Maschinenparametern"
- SA: "IMU-based Action Recognition using Machine Learning"
Publikationen
Kreß, F.; Sidorenko, V.; Schmidt, P.; Hoefer, J.; Hotfilter, T.; Walter, I.; Harbaum, T.; Becker, J.
2023. Computer Networks, 229, Article no: 109759. doi:10.1016/j.comnet.2023.109759
Kreß, F.; Hoefer, J.; Hotfilter, T.; Walter, I.; El Annabi, E. M.; Harbaum, T.; Becker, J.
2023. Machine Learning and Principles and Practice of Knowledge Discovery in Databases. Hrsg.: I. Koprinska. Pt. 1, 557–568, Springer International Publishing. doi:10.1007/978-3-031-23618-1_37
Kreß, F.; Hoefer, J.; Hotfilter, T.; Walter, I.; Sidorenko, V.; Harbaum, T.; Becker, J.
2022. 18th International Conference on Distributed Computing in Sensor Systems (DCOSS), 133–140, IEEEXplore. doi:10.1109/DCOSS54816.2022.00034
Walter, I.; Ney, J.; Hotfilter, T.; Rybalkin, V.; Hoefer, J.; Wehn, N.; Becker, J.
2022. Machine Learning and Principles and Practice of Knowledge Discovery in Databases – International Workshops of ECML PKDD 2021, Virtual Event, September 13-17, 2021, Proceedings, Part I. Ed.: M. Kamp, 339–350, Springer International Publishing. doi:10.1007/978-3-030-93736-2_26