Willkommen
Die StudentInnen des Fachbereich Informatik der Universität Bremen stellen auf dem Projekttag am Freitag, 5. April 2019 die Ergebnisse ihrer Arbeit in den Bachelorprojekten vor.
Ab 09:00 beginnen im MZH (Bibliothekstraße 5) die Vorträge der Projekte. Neben diesen etwa 15 Minuten dauernden Kurzvorträgen sind Sie dazu eingeladen, an den Ständen der Projekte mit den Studierenden ins Gespräch zu kommen und dabei mehr über die Inhalte der Projekte zu erfahren.BOWSR
Mit Alexa, Siri und Co. halten immer mehr sprachgestützte Assistenten Einzug in unseren Alltag. Diese haben aber das Problem, dass sie nur bestimmte Eingaben verarbeiten können – sie sind also prinzipiell schlecht darin, Dialekte zu erkennen. Des Weiteren wird meist nur ein Bruchteil der weltweit vorhandenen Sprachen unterstützt. An dieser Stelle setzt unser Projekt BOWSR an. Das Ziel unseres Projektes ist es, eine Webanwendung zur Verfügung zu stellen, mit der sich jeder, der etwas Erfahrung mit Spracherkennung hat, einen eigenen Spracherkenner erstellen kann. So soll es möglich werden, dass eine Maschine Dialekte oder Sprachen, die von nur wenigen Menschen gesprochen werden, erkennen kann. Für unser Programm brauchen wir Daten – um diese zu sammeln, greifen wir auf verschiedenste Techniken zurück. So kann ein Nutzer etwa Webseiten crawlen oder eigene Texte einsprechen lassen. Die Text- und Audiodaten werden vom System schließlich dazu verwendet, einen Spracherkenner zusammenzustellen.
Coral Reef Multiuser
Das Projekt “VR CoralReef” ist eine Simulation eines im Indopazifischen Ozeans gelegenen Korallenriffs. Das Ziel des Projektes war es dem Nutzer die Möglichkeit zu geben das Korallenriff mit entweder dem Desktop oder einem HMD (VR-Brille) mit einem zweiten Nutzer zu erleben.
CoVIS
Das Masterprojekt CoVIS ist ein Teil der Sonderforschungsbereichs “CRC1342 - Global Dynamics of Social Policy” und hilft diesem bei der wissenschaftlichen Anwendung von computergestützten Methoden, begründet im Forschungsfeld “Computational Social Sciences”. Die Idee ist es, neue Möglichkeiten für Sozialwissenschaftler zu schaffen und sie durch das Entwickeln von Werkzeugen und Methoden in Ihrer Arbeit zu bestärken und zu unterstützen, zum Beispiel bei der Sammlung und Analyse von Datensätzen einer neuen Größenordnung. Diese Werkzeuge werden im Sinne der co-creation mit dem Fokus auf iterative und nutzerzentrierte Designprozesse entwickelt, um der CRC-Gruppe den größtmöglichen Nutzen gewährleisten zu können. Das Ziel des Projekts ist es, Techniken aus dem Feld des Machine Learnings (ML) und Natural Language Processings anzuwenden, um die Sozialwissenschaftler bei der Analyse der Arbeitsgesetze zu unterstützen, indem die Suche und Extrahierung von relevanten Textpassagen aus normativen Texten halb-automatisiert wird. Diese werden dann genutzt, um die Arbeitsschutzgesetze in verschiedenen Ländern der Erde weiter klassifizieren und evaluieren zu können. Um dieses Ziel zu erreichen, ist das Projekt auf drei Bereiche fokussiert: Zunächst versuchen wir Wissenschaftlern zu helfen, Argumente in nicht-annotierten unstrukturiertem Text zu finden, in dem wir Methoden aus dem Forschungsfeld “Machine Translation” auf das Problem “Argumentation Mining” anwenden. Zweitens arbeiten wir daran einen Algorithmus zu entwickeln, der in der Lage ist, automatisch semantisch ähnliche Textpassagen zu entdecken, um somit das Verfolgen von Änderungen in Gesetzestexten und Bestimmungen zu vereinfachen. Diese Prozesse werden weiterhin durch die Entwicklung einer visuellen und interaktiven Benutzeroberfläche unterstützt. Der Ansatz hierbei ist, die internen Abläufe des ML Models zu beleuchten und den Entscheidungsprozess zu erklären, um das Modell somit transparenter und verständlicher, sowohl für Computerwissenschaftler, als auch für Sozialwissenschaftler zu machen. Das Ziel ist es, ein natürliches Interaktionsschema für die Werkzeuge mit Hilfe eines co-creation Designprozesses zu schaffen.
CURAT
Heutzutage werden viele minimal-invasive Operationen durchgeführt, bei denen besonders das Umdenken eines 2D-Kamerabildes in einem dreidimensionalen Raum verlangt wird. Wir von CURAT beschäftigen uns daher mit dem Entwurf mehrerer Minispiele, die vor allem Chirurgen dabei helfen sollen, ihre räumlichen Kognitionen zu verbessern. In einem unserer Minispiele muss man beispielsweise einen Ring entlang der Kanten eines 3D-Körpers zu einem Zielpunkt führen, um Punkte zu erhalten - je präziser, desto besser. Das Ganze kombinieren wir zudem mit der sogenannten Sonifikation – dem Steuern durch Sound. Genauer gesagt beudetet Sonifikation, dass der Chirurg anhand von verschiedenen Klängen durch das Innere des Körpers navigiert werden kann, ohne dabei ständig auf das Kamerabild abweichen zu müssen. Auch hierzu haben wir unterschiedliche Spielmodi entwickelt, welche die Wahrnehmung dieser Töne trainieren soll. Wir bieten (neben klassischer Tastatur & Maus) mehrere Steuerungsmöglichkeiten zum Spielen an, die wir selbst integriert haben. Dazu gehört die Kinect als auch ein Joypad.
Dialog@Home
Das Bremen Ambient Assisted Living Lab, kurz BAALL, ist eine komplett eingerichtete (Labor-)Wohnung des Forschungsbereich Cyber-Physical Systems (CPS) im DFKI Bremen,die sich den Bedürfnissen der Bewohner anpasst. Dies beinhaltet neben Tür-, Licht- und Fernsehsteuerung auch Anwendungen wie die automatische Höheneinstellung der Küchenschränke,des Waschbeckens und der Toilette an die Größe des Nutzers, einen intelligenten Kleiderschrank, der Vorschläge zur Wahl der Kleidung macht, sowie einen Rollstuhl und einen Rollator,die technisch so ausgerüstet sind, dass sie Menschen mit rückläufiger körperlicher sowie kognitiver Leistungsfähigkeit im Alltag unterstützen. Die Gerätesteuerung erfolgt dabei multimodal über eine App für das Tablet oder mittels festgelegten Sprachbefehlen. Da die Zielgruppe der Senioren ggf. nicht mit einem Tablet umgehen kann und das Auswendiglernen bestimmter Sprachbefehle als mühsam empfunden wird, ist der Nutzen für Bewohner des BAALLs an dieser Stelle limitiert. Im Projekt Dialog@Home widmen sich Studierende der Herausforderung, Wissen des BAALLs zu modellieren und die Komplexität natürlicher Sprache zu verarbeiten, sodass Bewohner und Smart Home einen flexiblen Dialog führen können. Bislang können Benutzer die einzelnen Aktoren, Konfigurationen und Prozesse des BAALL durch einen festen Satz einfacher Befehle steuern bzw. Informationen erhalten. Dies geschieht multimodal • mit einer App auf dem SmartPhone oder Tablet, oder • mit einfachen frei im Raum gesprochenen Sprachbefehlen wie “Tür auf!”, “Wo sind die schwarzen Socken?”, “Schalte in den Nachtmodus”, usw. Beispiele für Konfigurationen sind “Am Schreibtisch arbeiten” oder “Nachtmodus”. Beispiele für Prozesse sind Unterstützung beim Essen und Kochen, Komfort und Sicherheit, und Energieeffizienz, wofür sämtliche Aktorik der Wohnung, ihre Geräte und ggf. auch der automatisch fahrende Rollstuhl sinnvoll, personalisiert und situationsabhängig koordiniert werden müssen. Neben der realen BAALL Wohnung existiert ein interaktives 3D-Modell des BAALL, mit dem Aktivitäten simuliert werden können. Im Projekt sollen Programme implementiert werden, um solche oder ähnliche Dialoge mit der Umgebung führen zu können. Diese sollten frei sprechend oder über das Smartphone realisiert werden. Es sollen sowohl die Dialoge als auch die damit programmierten Aktionen und Regelungen umgesetzt werden. Dabei werden wir mit textueller Sprache arbeiten und auf existierender Sprachanalyse-Software aufbauen, die aus der gesprochenen Sprache Text erzeugt. Für die Dialoge brauchen die Programme zusätzliche Informationen, wie zum Beispiel, welche Lebensmittel noch zu Hause sind, welche Angebote für Essen es in der Umgebung gibt, Möglichkeiten herauszufinden, wann die Person aufsteht, wo Gegenstände sind (Schlüssel, Geldbeutel). Die Software soll implementiert in der realen BAALL -Wohnung getestet werden.
Drive
DRIVE steht für Design of Robust Intelligent Vehicles und ist ein Projekt der Arbeitsgruppe Rechnerarchitektur. Ziel ist es ein selbstfahrendes Modellauto zu bauen und dieses hin zu einem funktionierenden autonomen System zu entwickeln. Wichtige Aspekte dabei sind, dass das Auto robust gegenüber Störung und äußere Einflüsse ist und zuverlässig funktioniert. Zudem sollen Schnittstellen zur Verfügung stehen, die es ermöglichen über mobile Geräte auf das Auto zuzugreifen und Befehle auszuführen. Als Ausgangspunkt wird das Donkey Car verwendet, das bereits über einfache Sensorik und Aktuatorik verfügt und Deep Learning zur Steuerung einsetzt. Für die Entwicklung des Modellautos wurde an der Hardware gearbeitet, viele neue Sensoren wurden angebracht und das Design des Autos überarbeitet. Eine Hürde hierbei war es das Auto so zu gestalten, dass man mit dem limitierten Platz auskommt. Ein großer Fokus lag bei der Entwicklung auf dem Aspekt des Maschinellen Lernen, welches es dem Auto erst ermöglicht autonom zu fahren. Um nicht dauerhaft auf das Modellauto angewiesen zu sein wurde sich zudem stark mit der Entwicklung eines Simulators beschäftigt.
IDA
Unsere Motivation zur Verwirklichung unseres Ziels war das Vereinfachen der Datenbankverwendung durch jegliche User, wobei kein Vorwissen von der Materie Grundvoraussetzung ist. Die richtige Umwandlung von natürlicher Sprache in SQL-Queries ist ein gegenwärtig diskutiertes Problem, zu welchem noch keine richtige Lösung gefunden werden konnten. Diese gewinnen mehr an Bedeutung, da immer mehr User auf Datenbanken zugreifen wollen. Eine universell anwendbare Lösung konnte bisher nicht gefunden werden, woraus unsere Motivation sprießt. Bisher gibt es lediglich Lösungen in Form von Drop Down Menüs und Anklickbarem Inhalt, welche jedoch an Benutzerfreundlichkeit zu wünschen übriglassen. Um Einsicht in dieses Thema zu erhalten, haben wir uns an dem schon bestehenden Projekt NaLIR (Natural Language Interface for Relational databases) der University of Michigan orientiert. Anstatt dass man, um auf Daten zugreifen zu können sich durch eine Webseite durchklickt, soll man hiermit lediglich mit der Eingabe von natürlicher Sprache agieren. Das System soll die eingegebene Sprache dann in SQL-Befehle umwandeln. Die Umsetzung ist schwieriger als man es sich eigentlich vorstellt, da der Nutzer das Datenbankschema oft nicht kennt, oder dieses oft auch schlecht aufgebaut sind. Es ist fast unmöglich ein komplett fehlerfreies System zu entwickeln. Hierbei war es jedoch unser Ziel, sich diesem anzunähern.
SEE
Softwareentwickler müssen häufig die komplexe innere Struktur von Software und das Zusammenwirken ihrer Bestandteile durchschauen. Jedoch lässt sich Quelltext ab einer bestimmten Länge nur noch schwer nachzuvollziehen. Was wir brauchen ist eine abstrakte Aufbereitung und grafische Repräsentation der Informationen. Dies nennt man Software-Visualisierung. Projekt SEE arbeitet an einem Tool, das die abstrakten Daten einer Software (z.b. Komplexität der Klassen, Klone) als Stadt visualisiert. In diesen Software-Städten stellen die Straßen die hierarchische Struktur der Software da und die Häuser die betrachteten Elemente (Klassen, Methoden, usw.). Dazu werden mittels Kanten die Relationen zwischen einzelnen Häusern dargestellt. Sie können in VR, in AR oder am Desktop betrachtet werden. Mithilfe dieser Software-Städte wollen wir es Entwicklern erleichtern Software zu verstehen und Bugs zu finden. Unser Multiplayer ermöglicht es ganzen Teams eine Software-Stadt zusammen zu besuchen. Das Tool bietet unter anderem eine Suche, um bestimmte Elemente zu finden, eine Karte zur besseren Orientierung und Sound. Am Projekttag bieten wir euch die Möglichkeit durch eure eigene Software zu laufen. Bringt einfach euren Quelltext mit, damit wir ihr analysieren und visualisieren können. Es können bis zu zwei Personen gleichzeitig mit VR-Brillen in ihrer Software-Stadt herumlaufen und weitere am großen Multitouchmonitor.
Shared Mobility
Aufgrund der zunehmenden Bedeutung von “Shared Mobility” wurden in diesem einsemestrigen Master-Projekt Untersuchungen zu den Anforderungen an die benötigte IT, insbesondere für Car-Sharing Systeme, durchgeführt. Besonders interessante Fragen stellen sich durch den Einsatz von Elektro-Autos und Leerfahrten. Inwieweit erschwert das Beachten der Ladekapazität von Elektro-Autos den Scheduling-Prozess? Wie können genutzte Fahrzeuge gezielt an andere Orte verteilt werden, um mehr Kunden das Fahren zu ermöglichen? Zur Beantwortung dieser Fragen wurden beide Problembereiche individuell betrachtet und Modelle, Algorithmen und Optimierungsmethoden entwickelt und die dadurch definierten Probleme in ihrer Komplexität untersucht. Zusätzlich wurden Machine-Learning Modelle eingesetzt, um den ortsspezifischen Bedarf an Autos besser vorhersagen zu können und damit den Scheduling-Prozess zu verbessern. Um die Nutzbarkeit der Algorithmen in der Praxis zu ermitteln, wurden sie auf realen Daten getestet und analysiert. Diese bestehen einerseits aus Buchungsdaten von unserem Praxispartner “cambio CarSharing” und andererseits aus Taxidaten der “NYC Taxi and Limousine Commission”. Können gewonnene Erkenntnisse Car-Sharing-Systeme langfristig verbessern?
TEAG
Im Rahmen des Projekts konzentrieren wir uns hauptsächlich auf die Erforschung und Beantwortung der Frage, wie Kinder Algebra-Konzepte mit einem tief gamifizierten System in Beziehung setzen können, ohne mathematische Symbole zu zeigen. Darüber hinaus wollen wir untersuchen, ob eine Interaktion mit einem greifbaren Charakter das Spielerlebnis beim Spielen eines Algebra-Spiels erhöht. Einfach gesagt, wir wollen ein Videospiel erstellen und prüfen, ob Anfänger in der algebraischen Disziplin der linearen Gleichungen in der Lage sind, ihr Verständnis dieser mathematischen Konzepte zu verbessern und sie leichter zu erfassen. Darüber hinaus wollen wir ein physisches Objekt einbeziehen und sehen, ob die Interaktion mit diesem Objekt zu mehr Motivation, Spaß und einem besseren Verständnis des Themas während des Spielens führt. http://teag18.de
TEAMOD
TEAMOD (Test and Model Checking) ist ein Bachelorprojekt bestehend aus 10 Studierenden unter der Leitung von Dr. Jan Peleska. Das Ziel dieses Projektes ist es ein zu testendes System zu entwickeln und dann mit speziellen Methoden aus Bounded Model Checking und Model-based Testing zu evaluieren. Am Projekttag wird der Hauptfokus auf dem zu testenden System liegen: eine selbstkontrollierende Modelleisenbahn, welche mithilfe unserer entwickelten Soft- und Hardware gesteuert wird. Das Stellwerk kontrolliert das Märklin Modelleisenbahnsystem auf welcher drei Züge auch auf konfliktbehafteten Routen fahren. Als zusätzlichen Anreiz modellieren wir die Ermittlung der Zugpositionen und das Verwalten der Zugrouten nach der realen Nutzung im Schienenverkehr.
VREEF
VReef (Virtual Reality Coral Reef - Virtuelles Korallenriff) ist ein Masterprojekt an der Universität Bremen, dass eine verschmutzte Unterwasserlandschaft mit der Unreal Engine und der HTC VIVE Pro simuliert. Das Projekt ist konzipiert ein Verantwortungsgefühl für den Umweltschutz zu erzeugen. Durch die Simulation eines Tauchganges können Nutzer ein Korallenriff innerhalb einer verschmutzen Wasserlandschaft erleben, sowie mit Dingen innerhalb der Virtuellen Realität interagieren.Durch die Taucherfahrung in der verschmutzten Unterwasserwelt und High Fidelity Interaktionen mit der Meeresumgebung wird die Aufmerksamkeit der Teilnehmer auf die Plastikverschmutzung in den Meeren gelenkt und untersucht.
WADI
Das Internet of Things (IoT) ist allgegenwärtig geworden. Immer mehr kleine und smarte Geräte kommen zum Einsatz. Bei diesen mit dem Internet verbundenen Geräten kommt aber vor allem eines meistens zu kurz: die Sicherheit! In dem Projekt WADI der Arbeitsgruppe Rechnernetze (AGRN) ist genau das Thema. Auf Basis des Betriebssystems RIOT sollen auch die kleinen IoT-Geräte sicher miteinander kommunizieren können. Auf den Geräten kommt mobiler Code in Form von microJava zum Einsatz, um eine hohe Flexibität und einfachere Updates zu gewährleisteten. Der Code soll dann grafisch mit Node-RED aus Bausteinen zusammengebaut werden können. Die praktische Anwendung der Technologien wird durch eine Smartie-Sortiermaschine und einen Kartoffelkocher realisiert. Mittels Machine Learning können damit Smarties der Farbe nach sortiert und Kartoffeln dem Gewicht nach gar gekocht werden.
Vorträge
| Time | Project |
|---|---|
| 09:00 - 09:20 | Coral Reef MultiUser |
| 09:20 - 09:40 | COVIS |
| 09:40 - 10:00 | SEE |
| 10:00 - 10:20 | WADI |
| 10:20 - 10:40 | BOWSR |
| 10:40 - 11:00 | DRIVE |
| 11:00 - 11:20 | IDA |
| 11:20 - 11:40 | TEAG |
| 11:40 - 12:20 | Pause |
| 12:20 - 12:40 | CURAT |
| 12:40 - 13:00 | TEAMOD |
| 13:00 - 13:20 | Dialog@Home |
| 13:20 - 13:40 | Shared Mobility |
| 13:40 - 14:00 | VReef |
Standplan
| Stand | Projekt |
|---|---|
| 5 | BOWSR |
| 1 | Coral Reef Multiuser |
| 8 | CoVIS |
| 9 | CURAT |
| 11 | Dialog@Home |
| 6 | Drive |
| 7 | IDA |
| 3 | SEE |
| 12 | Shared Mobility |
| 2 | TEAG |
| 10 | TEAMOD |
| 4 | VREEF |
| 13 | WADI |
Anfahrt
Anreise mit dem Auto
Wenn Sie von der A1 kommen, wechseln Sie am Bremer Kreuz auf die A27 in Richtung Bremen-Bremerhaven. Sie verlassen die A27 an der Abfahrt Universität/Horn-Lehe und fahren Richtung Centrum/Universität. Auf dem Campus und im Technologiepark Universität sind ausreichend Parkplätze vorhanden (ab 1 Euro/Tag).
