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.

1. Erstens hat der Körper unterschiedliche Eigenschaften, die berücksichtigt werden müssen. Die Länge zwischen der Hand und dem Ellbogen ist zum Beispiel fest.
2. Da die Menschen nicht in der Lage sind, Montagevorgänge exakt gleich auszuführen, sind alle Bewegungszyklen unterschiedlich lang.
3. 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.
4. 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“.