Agentenbasierte Modellierung für Aktivitätserkennung

AI Quick Summary

Gebäudeintelligenz erleichtert bereits den Alltag vieler Meschen. Die Erkennung von simplen Aktivitäten durch die bereits verbaute Sensorik würde eine Vielfalt an weiteren Möglichkeiten eröffnen. Wenn ein Smart-Home zum Beispiel erkennen könnte, dass die letzte Person das Haus verlässt, könnte es daran erinnert werden, dass das Alarmsystem eingeschaltet oder ein Fenster zugemacht werden sollte. Die Vielfalt an Art und Anzahl von verbauten Sensoren macht die Erkennung selbst von einfachen Aktivitäten anspruchsvoll: Ansätze, die maschinelles Lernen verwenden, brauchen spezifische gelabelte Daten für jedes Gebäude, die unmöglich zu sammeln sind. In dieser Arbeit wird ein agentenbasierter Simulator entwickelt, der synthetische, aber realistische Datensätze für virtuelle Häuser generiert. Die virtuellen Häuser können mit verschiedenen Sensoren ausgestattet werden und das Verhalten von den Bewohnern kann variiert werden. Die synthetischen Datensätze werden dann als Training verwendet, um Modelle für die Erkennung von einfachen Aktivitäten zu erstellen. Ausgangslage und Problemstellung: Gebäudeintelligenz erleichtert bereits den Alltag vieler Meschen. Die Erkennung von simplen Aktivitäten durch die bereits verbaute Sensorik würde eine Vielfalt an weiteren Möglichkeiten eröffnen. Wenn ein Smart-Home zum Beispiel erkennen könnte, dass die letzte Person das Haus verlässt, könnte es daran erinnert werden, dass das Alarmsystem eingeschaltet oder ein Fenster zugemacht werden sollte. Die Vielfalt an Art und Anzahl von verbauten Sensoren macht die Erkennung selbst von einfachen Aktivitäten anspruchsvoll: Ansätze, die maschinelles Lernen verwenden, brauchen spezifische gelabelte Daten für jedes Gebäude, die unmöglich zu sammeln sind. Ziel der Arbeit und erwartete Resultate: In dieser Arbeit soll ein agentenbasierter Simulator entwickelt werden, der synthetische, aber realistische Datensätze für virtuelle Häuser generiert. Die virtuellen Häuser können mit verschiedenen Sensoren ausgestattet werden und das Verhalten von den Bewohnern kann variiert werden. Die synthetischen Datensätze werden dann als Training verwendet, um Modelle für die Erkennung von einfachen Aktivitäten zu erstellen. Gewünschte Methoden, Vorgehen: Physikalische Modellierung von einem Wohnraum; Modellierung von Bewegungen von Bewohnern als agentenbasierte Simulation; Erzeugung von synthetischen Sensordaten; Validierung durch reale Sensorsysteme, wenn genug Zeit vorhanden. Kreativität, Varianten, Innovation*: Die Studierenden verfügen über einen grossen Spielraum und Mitgestaltungsmöglichkeiten. Die Ergebnisse von dieser Arbeit dienen als Basis für ein späteres wissenschaftliches Projekt und sind entkoppelt vom Tagesgeschäft von der Auftraggeberin.

Project Idea Metadata

• Project Idea Name: Agentenbasierte Modellierung für Aktivitätserkennung
• Date: 11/25/2021 1:46:25 PM
• Administrators:
  • Andrew Paice

Project Idea Description

Ausgangslage und Problemstellung:

Gebäudeintelligenz erleichtert bereits den Alltag vieler Meschen. Die Erkennung von simplen Aktivitäten durch die bereits verbaute Sensorik würde eine Vielfalt an weiteren Möglichkeiten eröffnen. Wenn ein Smart-Home zum Beispiel erkennen könnte, dass die letzte Person das Haus verlässt, könnte es daran erinnert werden, dass das Alarmsystem eingeschaltet oder ein Fenster zugemacht werden sollte. Die Vielfalt an Art und Anzahl von verbauten Sensoren macht die Erkennung selbst von einfachen Aktivitäten anspruchsvoll: Ansätze, die maschinelles Lernen verwenden, brauchen spezifische gelabelte Daten für jedes Gebäude, die unmöglich zu sammeln sind.

Ziel der Arbeit und erwartete Resultate:

In dieser Arbeit soll ein agentenbasierter Simulator entwickelt werden, der synthetische, aber realistische Datensätze für virtuelle Häuser generiert. Die virtuellen Häuser können mit verschiedenen Sensoren ausgestattet werden und das Verhalten von den Bewohnern kann variiert werden. Die synthetischen Datensätze werden dann als Training verwendet, um Modelle für die Erkennung von einfachen Aktivitäten zu erstellen.

Gewünschte Methoden, Vorgehen:

Physikalische Modellierung von einem Wohnraum; Modellierung von Bewegungen von Bewohnern als agentenbasierte Simulation; Erzeugung von synthetischen Sensordaten; Validierung durch reale Sensorsysteme, wenn genug Zeit vorhanden.

Kreativität, Varianten, Innovation*:

Die Studierenden verfügen über einen grossen Spielraum und Mitgestaltungsmöglichkeiten. Die Ergebnisse von dieser Arbeit dienen als Basis für ein späteres wissenschaftliches Projekt und sind entkoppelt vom Tagesgeschäft von der Auftraggeberin.

Gebäudeintelligenz erleichtert bereits den Alltag vieler Meschen. Die Erkennung von simplen Aktivitäten durch die bereits verbaute Sensorik würde eine Vielfalt an weiteren Möglichkeiten eröffnen. Wenn ein Smart-Home zum Beispiel erkennen könnte, dass die letzte Person das Haus verlässt, könnte es daran erinnert werden, dass das Alarmsystem eingeschaltet oder ein Fenster zugemacht werden sollte. Die Vielfalt an Art und Anzahl von verbauten Sensoren macht die Erkennung selbst von einfachen Aktivitäten anspruchsvoll: Ansätze, die maschinelles Lernen verwenden, brauchen spezifische gelabelte Daten für jedes Gebäude, die unmöglich zu sammeln sind. In dieser Arbeit wird ein agentenbasierter Simulator entwickelt, der synthetische, aber realistische Datensätze für virtuelle Häuser generiert. Die virtuellen Häuser können mit verschiedenen Sensoren ausgestattet werden und das Verhalten von den Bewohnern kann variiert werden. Die synthetischen Datensätze werden dann als Training verwendet, um Modelle für die Erkennung von einfachen Aktivitäten zu erstellen.