Abstract: The capabilities of modern sensing devices to gather large volumes of personal data has given us the ability to capture detailed lifelogs of a human’s daily experience. This talk will introduce research on lifelog search and retrieval and highlight progress over the last ten years, including real-world applications and state-of-the-art lifelog retrieval systems from the annual ACM Lifelog Search Challenge. We will end by highlighting some of the societal challenges of applying lifelogs.
Bio: Professor Cathal Gurrin is the Head of the Adapt Centre at Dublin City University. His research focus is on personal media analytics, user modelling and lifelogging. He is interested in building rich multimodal user models and deploying them to solve real-world challenges using AI.
He has secured over €5M funding from SFI, Enterprise Ireland, the EU and other international sources, with global collaborations in the EU, Asia and the US. Cathal has made extensive media appearances on the BBC, Discovery Channel, NHK, and other international periodicals and print media. He has been the general chair of many leading international conferences (ECIR’11, MMM’14, CBMI’19, ACM ICMR’20, MMM’22) and will chair ACM ICMR’24 and ACM MM’25 in Dublin. He is also the founder of the annual ACM Lifelog Search Challenge.
Posted inTEWI-Kolloquium|Kommentare deaktiviert für Lifelogging – A decade of research into interactive lifelog access & retrieval
Klagenfurt, Österreich / 22. September 2023 – Der Roland-Mittermeir-Preis prämiert die besten Masterarbeiten aller Studien der Technischen Fakultät an der Universität Klagenfurt. Antragsberechtigt sind Absolventinnen und Absolventen aller Studienrichtungen der Technischen Fakultät der Universität Klagenfurt, die Mitglied beim Förderverein sind und deren Masterarbeit mit “Sehr Gut” beurteilt wurde. D.h. Absolventinnen und Absolventen der folgenden Masterstudien: Informatik, Informationsmanagement, Informationstechnik, Technische Mathematik bzw. Lehramtsstudien mit einem Unterrichtsfach der TEWI zugeordnet (sofern die Masterarbeit einem dieser Unterrichtsfächer zuzuordnen ist).
Beurteilungskriterien für die Zuerkennung des Preises sind strikt fachlicher qualitätsbezogener Natur. Sie umfassen die Aspekte: wissenschaftlicher Gehalt, Innovationsgehalt und Umsetzbarkeit, Klarheit der Darstellung und Qualität der Ausführung. Die Zuerkennung des Preises erfolgt durch eine Jury per Vorstandsbeschluss. Der Roland-Mittermeir-Preis ist mit € 1.500,– dotiert.
Für die Ausschreibung des Roland-Mittermeir-Preises 2022 wurde aus den zahlreichen Einreichungen eine Gewinnerin ermittelt.
Frau Dipl.-Ing.in Lorena Anna-Maria Gril, BSc
„Tensor-on-Tensor Regression for Human Motion Prediction in an Industrial Collaborative Setting“
Der Preis wurde in einer gemeinsamen Veranstaltung mit den TEWI-Schüler*innenpreisen und den Best Performer Awards am 22. September 2023 übergeben und die Arbeit wird hier kurz vorgestellt:
Um die Sicherheit von kollaborative Arbeitsräume zwischen Menschen und Robotern in industriellen Anwendungen zu gewährleisten, ist eine Erkennung von Gefahrensituationen, die nicht auf Körperkontakt basieren, essenziell. Daher ist das Ziel der Arbeit, die in Kooperation mit Joanneum Research entstanden ist, ein geeigneten Vorhersagemodellen zu entwickeln, welche potenziell gefährlichen Kollisionen zwischen Menschen und Robotern vorhergesagt. Da der Mensch die Hauptquelle der Unsicherheit in solchen Arbeitsumgebungen ist, können Vorhersagen über seine künftigen Bewegungen im Robotersystem genutzt werden, um physischen Kontakt zu vermeiden. Ein gängiger Ansatz ist die Vorhersage sich wiederholender menschlicher Bewegungen mit Hilfe künstlichen neuronalen Netzen beispielsweise. In dieser Arbeit wird ein tensorbasierter Ansatz verwendet, um zukünftige Bewegungen anhand der Bewegungsmuster vergangener Sekunden vorherzusagen.
Bei der Datenerhebung wurde das Optitrack-System verwendet, welches x, y und z Koordinaten von 10 am Körper fixierten Markern während industrieller Montagearbeiten aufzeichnete. Die Marker wurden zum Beispiel an der Hüfte, Wirbelsäule, Schulter, Kopf, Ellbogen und Hand angebracht und es wurde zwei Datensätze mit unterschiedlichen Personen aufgezeichnet. Bei der Modellierung mit den gewonnenen Daten gibt es verschiedene Herausforderungen.
Erstens hat der Körper unterschiedliche Eigenschaften, die berücksichtigt werden müssen. Die Länge zwischen der Hand und dem Ellbogen ist zum Beispiel fest.
Da die Menschen nicht in der Lage sind, Montagevorgänge exakt gleich auszuführen, sind alle Bewegungszyklen unterschiedlich lang.
Außerdem gibt es eine Korrelation zwischen den einzelnen Gelenken. Beispielsweise, um die Bewegung der Hand zu ermöglich, müssen der Ellbogen und die Schulter bestimmte Bewegungen machen. Hinzu kommt, dass die Daten hochdimensional sind.
Die größte Herausforderung ist, dass die Vorhersagen in Echtzeit erfolgen müssen.
Um die Beschränkungen des menschlichen Körpers zu berücksichtigen (1), wurden die Daten in den Gelenkwinkelraum (Joint Angle Space) transformiert, hierbei werden die Längen zwischen den Körperteilen beim Zurückrechnen fixiert. Um eine Modellierung durchführen zu können, wurde eine Referenzbewegung erstellt. Dabei werden die Trainingsdaten auf gleich Länge gestreckt oder gestaucht, dann wurde der Median der Daten bei jedem Zeitschritt zur Bestimmung des Referenzzyklus verwendet und somit auch die unterschiedlichen Längen (2) der Bewegungsaufnahmen adressiert. Für die Modellierung wurden entlang der Referenzbewegung vier Sekunden verwendet, um ein Sekunde der Bewegung vorherzusagen. Durch die Verwendung bzw. den Eigenschaften eines tenorbasierten Models konnten sowohl die Korrelationen zwischen den Gelenken als auch die Hochdimensionalität (3) berücksichtigt werden. Durch ein Ähnlichkeitsmaß, welches neue Bewegungen mit der Referenzbewegung vergleicht, konnten vorhersagen gemacht werden. Diese Vorhersagen wurden in Echtzeit (4) errechnet, da die benötigten Rechenoperationen nicht aufwändig waren.
Die Resultate sind von Parametern des Models abhängig, es konnte aber im Median ein Gesamtfehler der Vorhersage zu den Originalen Daten bzgl. aller Marker vom 15-40 cm festgestellt werden. Außerdem wurde die Method mit den Vorhersagen eines Neuronalen Netzes verglichen. Die vorgestellte Methode erzielte im Mittel einen ca. 50 cm geringeren Gesamtfehler.
Zusammengefasst, hat die entwickelte Methode sämtliche Herausforderungen adressiert und bessere Ergebnisse als die häufig verwendete Vergleichsmethode erzielt.
Rückfragen: Christian Timmerer (Geschäftsführer), Institut für Informationstechnologie (ITEC), Universität Klagenfurt, Universitätsstraße 65 – 67, A-9020 Klagenfurt, Telefon: ++43 463/2700-3621, Email: christian.timmerer@aau.at
Über den Förderverein Technische Fakultät
Der Förderverein Technische Fakultät an der Universität Klagenfurt verfolgt das Ziel, die Technische Fakultät bei der Erfüllung ihrer Aufgaben in Forschung und Lehre zu fördern und die Arbeit der Mitglieder, Studierenden und Absolvent*innen zu unterstützen. Ein weiteres wesentliches Ziel ist die Intensivierung des Erfahrungs- und Erkenntnisaustausches zwischen Wissenschaft und Praxis. Mit fast 200 Mitgliedern ist er der anzahlstärkste (Förder-)Verein im Umfeld der Universität Klagenfurt.
Über die Universität Klagenfurt
Die Universität Klagenfurt hat sich seit ihrer Gründung anno 1970 als eine von sechs staatlichen Universitäten mit breitem Fächerspektrum in Österreich etabliert. Mehr als 12.000 Studierende lernen und forschen an der Universität Klagenfurt, etwas mehr als 2.000 davon kommen aus dem Ausland. Etwa 1.500 Mitarbeiterinnen und Mitarbeiter streben nach qualitativen Höchstleistungen in Lehre und Forschung. In den Times Higher Education World University Rankings 2022, die den Anspruch hegen, die 1.400 besten Universitäten weltweit zu reihen, rangiert sie in der Platzgruppe 351-400, Platz 5 in Österreich. Im Ranking der besten jungen Universitäten der Welt unter 50 Jahren (The Young University Rankings 2022) findet man sie auf Platz 77 weltweit (von 790 gelisteten Universitäten). Im Fachbereich Computer Science belegt die Universität Klagenfurt in der Platzgruppe 201-250 den vierten Rang unter den österreichischen Universitäten. Eines ihrer Forschungsstärkefelder sind „Vernetzte und autonome Systeme“.
Posted inNews|Kommentare deaktiviert für Förderverein Technische Fakultät an der Universität Klagenfurt vergibt Roland-Mittermeir-Preis
Sen.-Scientist Dr. Felix Schniz, BA MA | AAU Klagenfurt
Abstract: The simulation of melee combat is central to many contemporary and traditional strategic games and simulations. In order to elevate this element of play from mere exercises of stats-comparison and dice rolling to a meaningful experience of play, strategy games rely on a rich plethora of cultural motives as deciding factors of their mechanic design. On the example of Samurai-themed skirmishing games, my talk elaborates on the impact that (popular) culture and other inspirations have on gaming experiences. It provides concrete examples from Japanese history, its traditional cinema, and postmodern Western reflections of Japanese cultural practices. Based on these insights, it compares four tabletop strategy games, muses on which phenomena they have adapted in their mechanics, and asks why or why not they may succeed in capturing a cultural essence via their rules.
Ultimately, this comparative approach shall serve to decipher the interplay of dice mechanics and aesthetic properties as the longing for a dramatic ideal in tabletop gaming and encourage participants to reflect on the idea in a subsequent, shared gaming experience.
Bio: Felix Schniz is the co-founder and programme director of the master’s programme Game Studies and Engineering at Universität Klagenfurt, Austria. His research focuses on experiences in virtual worlds, promenadology, genre theory, and the subjective quality of the medium videogame.
Posted inTEWI-Kolloquium|Kommentare deaktiviert für A Game of Chess is Like a Swordfight: Melee Combat and the Dramatical Ideal in Contemporary Tabletop Gaming
Abstract: Exploring the development and production pipelines for miniatures in the tabletop wargaming industry. Including a look at the career route taken by the speaker, a case study on developing anatomical archetypes for consistent design outcomes, and a brief look at the various production methods available to the industry.
Skerolf Dickinger | Implementation Lead @ Takeda Manufacturing AG
Abstract: How does a development team expand on an already existing game? We will look at the two community driven and committee led expansions to the abandoned Tabletop game ‚GuildBall‘ and explore the stages of development that the game went through. The art and lore driven approach employed will show us how rough sketches and concept ideas become a fully fledged ruleset and ultimately miniatures that can be put on the table. We will also explore pitfalls in rules design like over complicating abilities, the lack of streamlining across the game or simply creating expansions who break the game instead of the mold.
Bio: Computer and Information Sciences at Paris Lodron University of Salzburg.
Programmer and Business Analyst at KHG Software Regau and DBA / Local IT Support Lead at Infoscore Austria GmbH.
After 9 years Systems Analyst and development to Senior Systems Analyst (Baxter / Baxalta / Shire / Takeda) Implementation Lead (Digital Quality & EHS / Lab Systems) at Takeda Manufacturing AG since 2021 responsible for Agile Leadership for ongoing implementation projects, Implementation Coordination, Technical review of AWS environment and Onboarding of external agile project management resources.
Abstract: This talks presents a mapping of technical vocational education and training (TVET) for photovoltaic (PV) systems in Palestine. A comprehensive analysis of PV system TVET courses as well as PV system market in Palestine will be presented in this talk. This analysis covers the content of PV TVET courses, the ability of courses’ trainers, training tools and labs, required skills as well as the ability of TVET graduates. Moreover, feedback from photovoltaic system’s experts as well as owners and users of PV systems (corporate size) will be presented. Finally future required topics for training are predicted based on market analysis. Moreover, future jobs in the field of photovoltaic system are predicted as well.
Bio: Tamer is researcher in photovoltaic power systems. He holds a B.Sc. degree in electrical engineering from An-Najah National University (ANNU), as well as a M.Sc. degree and a Ph.D degree in electrical, electronic and systems engineering from National University of Malaysia (UKM). In addition he holds Habilitation degree in renewable and sustainable energy from Alpen Adria Universitat (AAU).
Currently he is an Associate professor of renewable energy and Director of Scientific Centers at ANNU. In addition to that, he is the director of An-Najah Company for Consultancy and Technical Studies (sister research company of ANNU). So far, he has 2 patents, 4 books and 140 research articles, while his current h-index is 40. He has supervised 4 Ph.D researches, 22 master researches and 60 bachelor researches.
Posted inTEWI-Kolloquium|Kommentare deaktiviert für Analysis of Photovoltaic Systems‘ TVET in Palestine
Abstract: In diesem Gastvortrag wird Kevin über seine persönliche Karriere als Absolvent des Studiengangs Informations-management an der Universität Klagenfurt sprechen. Er teilt seine Erfahrungen als Mobile Entwickler in der Praxis und gibt Einblicke in seine Arbeit als Teilzeit-YouTuber. Die Zuhörer erwartet eine interessante Reise durch Kevins Karriere und ein tieferer Einblick in die Welt der mobilen Entwicklung bei verschiedenen Unternehmen, wie die Zukunft der Softwareentwicklung aussehen kann und wie er parallel einen YouTube-Kanal für IT-Interessierte aufgebaut hat.
Bio: Kevin Chromik ist ein engagierter IT-Fachmann, spezialisiert auf iOS-Entwicklung. Nach seinem Masterabschluss in Wirtschaftsinformatik an der Alpen-Adria-Universität Klagenfurt im Jahr 2016, arbeitet er seit 10 Jahren in der IT-Branche, aktuell als Senior iOS Entwickler bei waipu.tv, einem etablierten TV Streaming Anbieter.
Außerhalb seiner Haupttätigkeit ist Kevin als YouTuber aktiv, wo er Tutorials zur Softwareentwicklung erstellt und tiefe Einblicke in die IT-Karrierewelt bietet. Darüber hinaus produziert er Videos für große Marken als Auftragsarbeiten und hat sich eine Social-Media-Followerschaft von rund 50.000 Menschen aufgebaut. Kevin lebt und arbeitet in München und ist stets darauf bedacht, seine Expertise und Erfahrungen zu teilen.
Posted inTEWI-Kolloquium|Kommentare deaktiviert für App-Entwicklung als Karriere: Was kommt nach dem Abschluss?
Thursday, June 22, 2023 | 09:00 am (CET) | Room: B04.1.06 | Lakeside Science & Technology Park
Ass.-Prof. Dr. Jan Steinbrener | Department of Smart System Technologies (Control of Networked Systems group) at Alpen-Adria-Universität Klagenfurt
Abstract: Deep neural networks (DNNs) have become an important tool in many fields of applications from image recognition to natural language processing and beyond, often outperforming human experts in their domains. Compared to heuristic, expert algorithms or shallow machine learning models, DNNs benefit from better prediction accuracy and better generalizability to unseen data. This comes at the cost of resource and data-intensive training of these models and a black-box-like behavior that does not provide information about underlying reasoning or uncertainty of the predictions. In robotics, DNNs have been successfully applied to diverse tasks such as state estimation, path planning, and control for various different platforms. This talk will explore the application of deep neural networks for sensor data processing with a particular focus on state estimation for robotic applications. End-to-end trainable deep neural networks that directly predict the desired state based on raw sensory inputs as well as hybrid models where the predictions of the DNNs are fused with other sensor data in a statistical state estimator will be discussed. Finally, strategies how to quantify model and task-based uncertainties of DNN predictions with the goal to improve the consistency of DNN-based state estimators will be presented.
Bio: Jan Steinbrener is an assistant professor on a tenure track position in the Control of Networked Systems group (CNS) at the University of Klagenfurt. He obtained his PhD in Physics in 2010 from Stony Brook University in Stony Brook, NY USA. After his PhD, he worked as a postdoctoral researcher at the Max-Planck Institute for medical research in Heidelberg, Germany, and then spent 5 years working in industry developing medical x-ray machines at Siemens Healthcare in Erlangen, Germany. Before joining CNS in 2019, he worked as a senior researcher at the Carinthian Tech Research Centre (now Silicon Austria Labs) in Villach Austria.
His current research focuses on combining machine learning approaches with classical methods for state estimation and navigation of autonomous systems. He has authored or co-authored more than 40 peer reviewed publications on novel imaging systems, image processing and reconstruction techniques, applied machine learning, machine learning algorithm development, and combination of machine learning with classical filters for state estimation. He currently holds 2 patents on image processing techniques.
Posted inTEWI-Kolloquium|Kommentare deaktiviert für Best of both worlds: Combining deep neural networks with statistical state estimators
